Dans un contexte favorable à la rationalisation des décisions par des objectifs mesurables et des méthodes quantitatives, le développement récent des technologies numériques a accéléré l'adoption des systèmes de décisions fondés sur un traitement algorithmique. De tels systèmes sont déjà présents dans de nombreux domaines et leur utilisation devrait encore s'accroître. Toutefois, si aucune mesure spécifique n'est prise, l'utilisation de tels algorithmes est porteuse de risques pour les citoyens et pour la société. Alors que plusieurs solutions, notamment juridiques et techniques, ont déjà été proposées par certains États et par la communauté de recherche eXplainable Artificial Intelligence (XAI), nous pensons que des efforts supplémentaires sont nécessaires pour répondre pleinement à tous les enjeux posés par ce type de systèmes. Dans cette thèse, nous commençons par présenter les principaux travaux de recherche antérieurs qui composent le champ de recherche en eXplainable Artificial Intelligence (XAI) en particulier les travaux visant à garantir l'intelligibilité des algorithmes de décision et notamment les méthodes d'explication en mode boîte noire, c'est-à-dire qui fonctionnent sans accéder au code de l'algorithme. Ces méthodes, en apparence diverses, partagent en fait une structure commune que nous identifions et que nous mettons à profit pour en établir une taxonomie. Par ailleurs, pour juger de l'intérêt des méthodes d'explication en général, il faut s'intéresser à leur évaluation. Cette question complexe reste un domaine de recherche actif dans lequel les études impliquant des utilisateurs humains ont une large part à jouer. Ensuite, nous décrivons notre système interactif d'explication d'algorithme en boîte noire appelé IBEX. En s'appuyant sur les informations fournies par l'utilisateur, IBEX génère une explication adaptée au profil de la personne à ses besoins. L'utilisateur peut interagir avec le système d'explication à plusieurs niveaux en fonction de ses compétences et de son expertise. IBEX convient donc à la fois aux profanes (et dès la première utilisation), à des professionnels (qui pourraient être amenés à utiliser IBEX régulièrement) et à des experts en Intelligence Artificielle. Pour générer les explications, IBEX s'appuie sur un cadre générique commun pour les explications en boîte noire qui décompose notamment sur le processus d'explication en deux composantes distinctes. Cette décomposition et les combinaisons de choix qui en découlent permettent d'obtenir une variété d'explications qui peut être mise à profit pour satisfaire au mieux la diversité des besoins. La démarche proposée dans IBEX a été testée dans le cadre d'une étude impliquant des utilisateurs (agents d'une autorité de régulation française) ayant des profils variés (juristes et ingénieurs). Dans la suite, nous proposons une méthode originale permettant aux utilisateurs de systèmes algorithmiques d'en contester ou d'en justifier les décisions. Alors que la contestation occupe une place importante dans les textes de loi et que la question de leur justification par des normes extérieures est une préoccupation centrale des travaux de sciences sociales, il n'existe pas d'outils dédiés à ces objectifs spécifiques. En premier lieu, nous définissons les termes de justifications et de contestation. Une justification (respectivement une contestation) est un argument, soutenue par une preuve, qu'une décision est bonne (respectivement mauvaise) au sens d'un ensemble de normes extérieures prédéfinies. Justification et contestation sont vues ici comme des notions duales. Un dispositif technique, appelé Algocate, permet de rendre ces notions opérationnelles pour trois types de normes (règles, objectifs et référence) grâce à un système interactif permettant à l'utilisateur d'exprimer son point de vue sur le bien-fondé de la décision. Cette démarche est également testée auprès d'utilisateurs réels dans le cadre d'une étude impliquant des utilisateurs. Les solutions proposées pour l'explication ou la justification de décisions algorithmiques doivent être confrontées au terrain. Dans le cadre de cette thèse, une collaboration de trois ans a été menée avec l'Agence de la Biomédecine. Elle a porté sur l'algorithme qui opère l'attribution des greffons cardiaque à l'échelle nationale, remplaçant un système dans lequel les médecins des centres de greffe avaient une grande autonomie. Après une phase d'analyse bibliographique et des entretiens menés sur le terrain dans des hôpitaux français, les principaux enjeux sociologiques et organisationnels autour de cet algorithme ont pu être identifiés. Suite à cela, un ensemble d'informations assurant l'explication et la justification du système a été mis à disposition des médecins des centres de greffe.