L'Extraction de connaissances dans les bases de données est un processus qui vise à extraire un ensemble réduit de connaissances à fortes valeurs ajoutées à partir d'un grand volume de données. La fouille de données, l'une des étapes de ce processus, regroupe un certain nombre de taches, telles que : le clustering, la classification, l'extraction de règles d'associations, etc.La problématique d'extraction de règles d'association nécessite l'étape d'extraction de motifs fréquents. Nous distinguons plusieurs catégories de motifs : les motifs classiques, les motifs flous, les motifs graduels, les motifs séquentiels. Ces motifs diffèrent selon le type de données à partir desquelles l'extraction est faite et selon le type de corrélation qu'ils présentent.Les travaux de cette thèse s'inscrivent dans le contexte d'extraction de motifs graduels, flous et clos. En effet, nous définissons de nouveaux systèmes de clôture de la connexion de Galois relatifs, respectivement, aux motifs flous et graduels. Ainsi, nous proposons des algorithmes d'extraction d'un ensemble réduit pour les motifs graduels et les motifs flous.Nous proposons également deux approches d'extraction de motifs graduels flous, ceci en passant par la génération automatique des fonctions d'appartenance des attributs.En se basant sur les motifs flous clos et graduels clos, nous définissons des bases génériques de toutes les règles d'association graduelles et floues. Nous proposons également un système d'inférence complet et valide de toutes les règles à partir de ces bases. / Knowledge discovery in databases is a process aiming at extracting a reduced set of valuable knowledge from a huge amount of data. Data mining, one step of this process, includes a number of tasks, such as clustering, classification, of association rules mining, etc.The problem of mining association rules requires the step of frequent patterns extraction. We distinguish several categories of frequent patterns: classical patterns, fuzzy patterns, gradual patterns, sequential patterns, etc. All these patterns differ on the type of the data from which the extraction is done and the type of the relationship that represent.In this thesis, we particularly contribute with the proposal of fuzzy and gradual patterns extraction method.Indeed, we define new systems of closure of the Galois connection for, respectively, fuzzy and gradual patterns. Thus, we propose algorithms for extracting a reduced set of fuzzy and gradual patterns.We also propose two approaches for automatically defining fuzzy modalities that allow obtaining relevant fuzzy gradual patterns.Based on fuzzy closed and gradual closed patterns, we define generic bases of fuzzy and gradual association rules. We thus propose a complet and valid inference system to derive all redundant fuzzy and gradual association rules.

Dans le domaine de la modélisation du raisonnement, plusieurs approches se basent sur les logiques modales qui permettent de formaliser le raisonnement sur des éléments non factuels, comme la croyance, le savoir ou encore la nécessité. Une extension pondérées de ces logiques modales permet de moduler les éléments non factuels qu'elle décrit. En particulier, nous nous intéressons à l'extension pondérée des logiques modales qui permet de formaliser des croyances graduelles : nous traitons des aspects sémantiques et axiomatiques ainsi que des aspects syntaxiques liés à la manipulations de telles croyances modulées. Ainsi, les travaux de cette thèse sont organisés en trois parties. Nous proposons, d'une part, une sémantique proportionnelle qui étend la sémantique de Kripke classiquement utilisée pour les logiques modales ; ainsi qu'une étude des axiomes modaux dans le contexte de cette sémantique des modalités pondérées. D'autre part, nous proposons un modèle ensembliste flou pour représenter et manipuler des degrés de croyances. Enfin, nous mettons en œuvre ces modèles théoriques dans deux applications : un outil de vérification de formules modales pondérées et un joueur artificiel pour le jeu coopératif Hanabi dont la prise de décision repose sur un raisonnement sur ses propres croyances. / In the field of reasoning models, many approaches are based on modal logics, which allow to formalise the non-factual reasoning, as belief, knowledge or necessity reasoning. A weighted extension for these modal logics aims at modulating the considered non-factual elements. In particular, we examine the weighted extension of modal logics for graded beliefs: we study their semantical and axiomatical issues related to manipulating such modulated beliefs. Therefore, this thesis works are organised in three parts. We first propose a proportional semantics which extends the Kripke semantics, classically used for modal logics. We also study modal axioms regarding the proposed semantics. Then, we propose a fuzzy set model for representing and manipulating belief degrees. We finally use these two formal models in two different applications: a model checking tool for weighted modal formulae and an artifical player for a cooperative game called Hanabi in which decision making is based on graded belief reasoning.