Résumé : nous construisons un système hybride à base de connaissance pour le classement automatique de protéines dans des familles décrites au préalable, selon leur fonction cellulaire. Pour cela nous mettons en œuvre une synthèse des approches symbolique, incertaine, connexionniste et statistique. Ce travail commence par la mise à jour de procédures informatiques d'analyse de polypeptides, qui fournissent les données d'entrées de tout le système. Puis vient le développement d'une base de données de référence pour l'étude statistique de ces outils d'analyse. Les règles de classement de polypeptides provenant d'un expert humain constituent le noyau de la base de connaissances. Le moteur d'inférence les exploite selon un modèle de logique incertaine.Enfin nous optimisons l'efficacité globale des règles en utilisant une bonne combinaison des paramètres d'incertitude. La combinaison la meilleure pour la base de données de référence sera mise en évidence par des techniques automatiques de recherche, guidées par heuristiques.