Cette thèse traite de l'utilisation de deux types d'activités physiologiques pour détecter les émotions dans le cadre de "l'affective computing" : l'activité du système nerveux central (le cerveau) et l'activité du système nerveux périphérique. L'activité centrale est mesurée par l'utilisation d'électro-encéphalogrammes (EEGS). L'activité périphérique est mesurée au moyen des capteurs suivants : un capteur de réponse cutané galvanique (GSR); une ceinture de respiration; un pléthysmographe, et un capteur de température cutanée. Les résultats de cette thèse démontrent l'intérêt de ces sources d'information et des méthodes de reconnaissance de forme et d'apprentissage artificiel pour la détection des émotions dans l'espace "valence-arousal". Bien que les signaux EEG soient plus avantageux que les signaux périphériques pour détecter les émotions sur de courtes fenêtres temporelles, la fusion des deux types d'information permet d'augmenter la précision de reconnaissance. Ces résultats ont été également validés pour une interface homme-machine de type jeu-vidéo.