L’essor de l’Internet des Objets, des modèles de stockage et de traitement des données a conduit à une explosion de la quantité et de la complexité des données que nous collectons aujourd’hui. Pour mieux les comprendre et les manipuler, les experts ont recours à des visualisations de l’information. Cependant, la complexité nouvelle des données rend inefficace des techniques de visualisation utilisées jusqu’alors. Il est donc nécessaire de concevoir de nouvelles techniques de visualisation et de revoir les méthodes d’évaluation qui permettent de mesurer leur efficacité.
Cette thèse présente des contributions sur deux aspects principaux du domaine de la Visualisation d’Information : la génération et l’évaluation automatique de visualisations. Pour ces deux axes, nos travaux tirent parti des techniques d’apprentissage automatique, notamment profond, qui ont démontré leurs capacités à traiter efficacement des grands volumes de données. Les cas d’applications des contributions présentées dans ce manuscrit utilisent des modèles d’apprentissage automatique pour le Dessin de Graphe par représentation Nœud-Lien, la Suppression de Chevauchements dans des nuages de points, et l’Évaluation automatique de Visualisations.