Le but d'une interface neuronale ou Brain-Computer Interface (BCI) est de permettre la communication entre un humain et une machine par la reconnaissance de la pensée de l'utilisateur. Celle-ci est représentée par les bio-signaux électriques émis par le cerveau, au lieu des bio-signaux musculaires comme dans les interfaces traditionnelles (p.ex. clavier, souris). Cette thèse étudie les mesures de performances utilisées par la communauté et propose des méthodes pour les augmenter. Elle promeut également l'inférence de pensée par fouille de données automatique plutôt que par expertise médicale manuelle. Nous proposons deux méthodes d'amélioration des performances basées sur la mesure de l'information mutuelle, ou débit binaire, ou débit d'information (mutual information, bit-rate, information-transfer rate). L'une est basée sur la taille optimale du vocabulaire de pensée, l'autre basée sur la vitesse du protocole. Nous proposons également une implémentation de BCI dont la précision de classification rivalise avec l'état de l'art.