Dans un contexte de démocratisation du savoir, il est important que la formation en ligne (ou e-learning) se focalise sur le développement de nouvelles approches visant à satisfaire les apprenants tout en minimisant les coûts de formation. De nos jours, le e-learning est confronté à de multiples défis pour répondre aux enjeux actuels qui ont pour ambitions de réduire le taux d’abandon et d’augmenter la satisfaction des utilisateurs. Le développement d’un système qui permet de procurer un contenu éducatif en ligne de qualité est un levier important pour répondre aux besoins des apprenants et des concepteurs pédagogiques. Cette thèse propose un système intelligent d'aide à la décision pédagogique (SIDDP) permettant au concepteur pédagogique d’évaluer le contenu éducatif en ligne dans le but d’améliorer sa production. La problématique majeure pour le développement de ce système est d’objectiver et automatiser la tâche d’évaluation. Notre réponse à cette problématique consiste à concrétiser deux objectifs. Le premier consiste à proposer une approche d’analyse multicritère des expériences d’apprentissage dénommée MALEA (Multicriteria Approach for Learning Experience Analysis). MALEA est adoptée pour l’évaluation de contenus éducatifs en ligne à travers les traces numériques d’interactions des apprenants. Le second consiste à proposer une approche de prédiction de la réussite des contenus éducatifs en ligne, dénommée ACSP (Approach for Content Success Prediction) permettant au concepteur pédagogique d’évaluer son contenu éducatif à n'importe quel stade de son élaboration et notamment avant sa diffusion sur l'Environnement Informatique pour l'Apprentissage Humain (EIAH). Couplant la régression logistique et MALEA, ACSP permet de se prémunir contre l'imprécision éventuelle du jugement humain affectant le processus de décision. Pour valider expérimentalement l’ensemble de nos approches, deux études de cas ont été effectuées. Une première a été menée sur l'Université Virtuelle de Tunis (UTV). Elle montre, d’une part, que le SIDDP répond à l'objectif recherché et ainsi retenu pour l'évaluation automatique des contenus éducatifs en ligne. D'autre part, elle montre que les résultats obtenus par les tests de performance et l'analyse comparative sont prometteurs avec des valeurs élevées de précision, d'exactitude, de spécificité et de sensibilité. Comme il n’était pas possible de recueillir des données par rapport à la satisfaction des apprenants dans la première étude de cas, une deuxième étude a été menée dans le but d’expérimenter MALEA avec les quatre critères proposés pour l’analyse des expériences d’apprentissage. Différentes perspectives de recherche sont finalement proposées.