L'objectif de cette thèse est de proposer une approche automatique, basée sur l’analyse des traces et qui utilise les algorithmes d'apprentissage automatique, pour la prédiction des styles d'apprentissage des apprenants dans une perspective d'aider les enseignants à mobiliser des stratégies d'enseignement appropriées. Les données analysées sont issues du cours edX intitulé « Statistical Learning » dispensé à l'hiver 2015 et à l'hiver 2016 par la plateforme open source Lagunita de Stanford (fondée sur la plateforme Open edX). L’approche proposée est basée sur la théorie du style d'apprentissage, le modèle de style d'apprentissage Felder-Silverman (FSLSM) a été adopté en raison de ses dimensions distinctes et indépendantes, un indice qui peut servir à décrire plus en détail les styles d'apprentissage de chaque apprenant