Les Interfaces Cerveau-Ordinateur basées sur l’Imagerie Mentale (IM-ICO) permettent auxutilisateurs d’interagir uniquement via leur activité cérébrale, grâce à la réalisation de tâchesd’imagerie mentale. Cette thèse se veut contribuer à l’amélioration des IM-ICO dans le but deles rendre plus utilisables. Les IM-ICO sont extrêmement prometteuses dans de nombreuxdomaines allant de la rééducation post-AVC aux jeux-vidéo. Malheureusement, leurdéveloppement est freiné par le fait que 15 à 30% des utilisateurs seraient incapables de lescontrôler. Nombre de travaux se sont focalisés sur l’amélioration des algorithmes de traitementdu signal. Par contre, l’impact de l’entraînement des utilisateurs sur leur performance estsouvent négligé. Contrôler une IM-ICO nécessite l’acquisition de compétences et donc unentraînement approprié. Or, malgré le fait qu’il ait été suggéré que les protocolesd’entraînement actuels sont théoriquement inappropriés, peu d’efforts sont mis en oeuvre pourles améliorer. Notre principal objectif est de comprendre et améliorer l’apprentissage des IMICO.Ainsi, nous cherchons d’abord à acquérir une meilleure compréhension des processussous-tendant cet apprentissage avant de proposer une amélioration des protocolesd’entraînement afin qu’ils prennent en compte les facteurs cognitifs et psychologiquespertinents et qu’ils respectent les principes issus de l’ingénierie pédagogique. Nous avonsainsi défini 3 axes de recherche visant à investiguer l’impact (1) de facteurs cognitifs, (2) de lapersonnalité et (3) du feedback sur la performance. Pour chacun de ces axes, nous décrivonsd’abord les études nous ayant permis de déterminer les facteurs impactant la performance ;nous présentons ensuite le design et la validation de nouvelles approches d’entraînementavant de proposer des perspectives de travaux futurs. Enfin, nous proposons une solution quipermettrait d’étudier l’apprentissage de manière mutli-factorielle et dynamique : un systèmetutoriel intelligent.