La présente thèse concerne la conception d’un outil d’aide à la décision, et s’intéresse tout particulièrementaux aspects relatifs à l’apprentissage et au diagnostic. Le premier objectif est de le rendrecapable de choisir le meilleur scénario pour le couple « date de semis »/ « type de semis » en fonctiondes caractéristiques des parcelles à diagnostiquer dans un objectif d’aide à la décision pour les agriculteurs.Le second concerne le diagnostic hydrique établi avant le début des irrigations en juin, au coursduquel il s’agit d’évaluer les besoins en eau d’irrigation des différents îlots de parcelles afin d’anticiperla demande et de répartir au mieux les quantités d’eau pourvue aux irrigants. L’apprentissage utilisela méthode de classification LAMDA qui est basée sur la logique floue. Afin de permettre la prise encompte optimale de tous les facteurs pouvant intervenir dans le rendement d’une parcelle, un nouveautype a été intégré à la méthode LAMDA, et les outils d’apprentissage ont été modélisés, implémentés,et testés de sorte à correspondre aux besoins spécifiques des deux parties du projet. Le nouveau type aété conçu pour être générique et permettre à la méthode LAMDA un traitement multicouche des donnéesd’apprentissage. Il autorise ainsi la gestion de données multidimensionnelles issues de contextesdifférents. Son efficacité a été évaluée sur les cas pratiques du projet MAISEO mais a vocation à pouvoirêtre appliqué à tous les autres domaines de recherche dans lesquels la classification multivariée peutêtre employée.