Les besoins croissants continuels de la médecine et de la santé accentuent la nécessité de systèmes d'alertes médicales bien adaptés. Ces systèmes d'alerte peuvent être utilisés par une variété de patients et d'acteurs médicaux. Ils devraient permettre de contrôler un large éventail de variables médicales. Nous proposons Tempas, un système d'alertes paramétrées par les utilisateurs. Aux alertes détectées on associées deux indices de qualité. L'indice d'applicabilité qui exprime dans quelle mesure un patient est concerné par l'alerte, et l'indice de confiance qui exprime la fiabilité de l'alerte concernant la fraicheur des données utilisées lors de sa détection. Les indices de qualité associés à une alerte détectée se calculent grâce aux informations liées à une situation d'alerte paramétrée par l'utilisateur. Une situation d'alerte est définie à partir d'une composition de conditions d'activation. Une condition d'activation est construite à partir d'une valeur linguistique exprimant l'état (par exemple température élevée) ou la tendance (par exemple tension systolique à la hausse) d'une entité observable (la température, la tension systolique, etc.). Lorsque la situation d'alerte est évaluée, le système utilise les connaissances préparées préalablement par les utilisateurs concernant les valeurs linguistiques. C'est-à-dire, quelle valeur linguistique représente le mieux une valeur quantitative sous un contexte spécifique. Les alertes détectées pouvant être nombreuses, nous définissons un politique de notification pour ne notifier que les alertes pertinentes dans le but de ne pas fatiguer les utilisateurs. D'abord les alertes sont filtrées à partir des indices de qualité. Parmi les alertes restantes, le système filtre par expressivité : choisir les tendances plus durables et les valeurs linguistiques les plus expressives. Ensuite, dans le cas d'alertes consécutives, le système ne garde que les alertes qui accomplissent les préférences des utilisateurs, comme celles dont l'indice d'applicabilité augmente. L'objectif final est de fidéliser l'utilisateur au système d'alertes en lui fournissant un service de qualité. Il s'approprie le système en même temps qu'il définit les situations d'alerte. Ainsi, il est capable de l'adapter lui-même au contexte afin d'obtenir des alertes de meilleure qualité. L'adaptation est guidée par les indices de qualité utilisés pour réduire les faux-positifs et faux-négatifs ainsi que pour contrôler la sur-notification d'alertes. Nous proposons de nous appuyer sur les systèmes existants en apportant des fonctionnalités de dynamisme et d'évolution, ainsi que des facilités de paramétrage et d'adaptation en temps réel au contexte d'utilisation afin d'exploiter au mieux les observations. / The continuous increasing needs in medicine and healthcare, accentuate the need of well-adapted medical alert systems. Such alert systems may be used by a variety of patients and medical actors. These systems should allow monitoring a wide range of medical variables. We work on Tempas an alert system setup by users. Detected alerts have two quality indices. The applicability index which indicates how well a patient is affected by the alert, and the confidence index, which expresses the reliability of the alert concerning the freshness of the data used in its detection. Quality indices associated with a detected alert are calculated using information related to an alert situation configured by the user. An alert situation is defined from multiple activation conditions. An activation condition is constructed from a linguistic value expressing the state (e.g. high temperature) or trend (e.g. systolic blood pressure rising) of an observable entity (temperature, systolic blood pressure, etc.). When the alert condition is evaluated, the system uses knowledge previously prepared by users regarding linguistic values. That is, what linguistic value best represents a quantitative value in a specific context. Since many alerts can be detected, we define a notification policy to notify only the relevant alerts in order to keep the users' interest. First alerts are filtered from the quality indices. Of the remaining alerts, the system filters by expressiveness: to keep more sustainable trends and the most expressive linguistic values. Then, in the case of consecutive alerts, the system keeps only those that fulfill the user preferences, such as those whose applicability index increases. The ultimate goal is to keep the user loyalty to the alert system by providing quality service. The user appropriates the system while he defines the alert situation. Thus, he is able to adapt the alert situation by himself to the context to obtain better alerts. The adaptation is guided by quality indices used to reduce false positives and false negatives as well as to control the over-alerting. We propose to leverage existing systems by providing dynamism and evolution features, as well as facilities for setup and real-time adaptation to the context of use in order to fully exploit the observations.