Certains problèmes ne peuvent être résolus ni par les ordinateurs seuls ni par les humains seuls. La visualisation d'information est une solution commune quand il est nécessaire de raisonner sur de grandes quantités de données. Plus une visualisation est efficace, plus il est possible de résoudre des problèmes complexes. Dans la recherche en visualisation d'information, une visualisation est généralement considérée comme efficace quand elle permet de comprendre les données. Les méthodes d'évaluation cherchent à déterminer si les utilisateurs comprennent les données affichées et sont capables d'effectuer des tâches analytiques comme, par exemple, identifier si deux variables sont corrélées. Cette thèse suggère d'aller au-delà de ce ``paradigme de l'analyse visuelle'' et élargir le champ de recherche à un autre type de tâche: la prise de décision. Les tâches de décision sont essentielles à tous, du directeur d'entreprise qui doit prendre des décisions importantes à l'individu ordinaire qui choisit un plan de carrière ou désire simplement acheter un appareil photo. Néanmoins, les décisions ne se résument pas à la simple compréhension de l'information et sont difficiles à étudier. Elles peuvent impliquer des préférences subjectives, n'ont pas toujours de vérité de terrain, et dépendent souvent de connaissances externes aux données visualisées. Pourtant, les tâches de décision ne font pas partie des taxonomies de tâches en visualisation et n'ont pas été bien définies. De plus, la recherche manque de métriques, de méthodes et de travaux empiriques pour valider l'efficacité des visualisations pour la prise de décision. Cette thèse offre une définition opérationnelle pour une classe particulière de tâches de décision, et présente une analyse systématique qui identifie les visualisations multidimensionnelles compatibles avec ces tâches. Elle présente en outre la première comparaison empirique de techniques de visualisation multidimensionnelle basée sur leur capacité à aider la décision, et esquisse une méthodologie et des métriques pour évaluer la qualité des décisions. Elle explore ensuite le rôle des instructions dans les tâches de décision et des tâches analytiques équivalentes, et identifie des différences de performance entre les deux tâches. De même que les sciences de la vision informent la visualisation d'information sur les limites de la vision humaine, aller au-delà du paradigme de l'analyse visuelle implique de prendre en compte les limites du raisonnement humain. Cette thèse passe en revue la théorie de la décision afin de mieux comprendre comment les humains prennent des décisions, et formule une nouvelle taxonomie de biais cognitifs basée sur la tâche utilisateur. En outre, elle démontre empiriquement que des biais peuvent être présents même quand l'information est bien visualisée, et qu'une décision peut être ``correcte'' mais néanmoins irrationnelle, dans le sens où elle est influencée par des informations non pertinentes. Cette thèse examine finalement comment mitiger les biais. Les méthodes pour améliorer le raisonnement humain reposent souvent sur un entraînement intensif à des principes et à des procédures abstraites, qui se révèlent souvent peu efficaces. Les visualisations offrent une opportunité dans la mesure où ses concepteurs peuvent remodeler l'environnement pour changer la façon dont les utilisateurs assimilent les données. Cette thèse passe en revue la théorie de la décision pour identifier de possibles solutions de conception. De plus, elle démontre empiriquement que supplémenter une visualisation par des interactions qui facilitent des stratégies de décision alternatives peut mener à des décisions plus rationnelles. Via des études empiriques, cette thèse suggère que le paradigme de l'analyse visuelle n'est pas en mesure de relever tous les défis de la prise de décision aidée de la visualisation, mais qu'aller au-delà peut contribuer à faire de la visualisation un puissant outil de prise de décision.