Avec le dveloppement des bases de donnes en gnral et des entrepts de donnes en particulier, il est devenu trs important de rduire les tches d'administration des systmes de gestion de base de donnes. Les systmes auto-administratifs ont pour objectif de s'administrer et de s'adapter eux-mmes, automatiquement, sans perte ou mme avec un gain de performance. L'ide d'utiliser des techniques de fouille de donnes pour extraire des connaissances utiles  partir des donnes stockes pour leur administration est une approche trs prometteuse, notamment dans le domaine des entrepts de donnes, o les requtes sont trs htrognes et ne peuvent pas tre interprtes facilement. L'objectif de cette thse est d'tudier les techniques d'auto-administration des entrepts de donnes, principalement des techniques d'optimisation des performances, comme l'indexation et la matrialisation de vues, et de rechercher une manire d'extraire des donnes elles-mmes des connaissances utilisables pour appliquer ces techniques.