Une des problématiques clé du traitement des données massives et hétérogènes est de les comprendre pour pouvoir en extraire une connaissance nouvelle ou vérifier une hypothèse posée par un expert du domaine. Dans ce cadre, nous nous intéressons à la classification non supervisée de données (en particulier dans les données relationnelles) et à la définition de métriques permettant de quantifier l'importance/influence d'éléments et de relations entre ces derniers. Nous nous intéressons aussi à l'apprentissage supervisé pour l'évaluation automatique de l'efficacité de techniques de visualisation de données. Par ailleurs, nous mettons en place des outils de visualisation pour faciliter la compréhension des réseaux de neurones.