Les domaines de l'Informatique et de la Psychologie sont très éloignés. Cependant, certains besoins en Psychologie Cognitive (PC) peuvent être satisfaits par l'exploitation de l'Intelligence Artificielle (IA), en particulier ses approches connexionnistes. Il existe quelques applications des principes d'IA en PC, mais elles sont relativement discrètes. En particulier, le cas de l'aide à la détection du Trouble du Spectre de l'Autisme (TSA) est un domaine vierge, à quelques exceptions près. Des travaux en PC montrant une grande dissociation entre certains traits autistiques et la capacité de concentration, notamment visuelle, nous avons travaillé sur des données issues d'un Eye-Tracker pour tenter de discerner de jeunes enfants atteints de TSA d'autres enfants d'âge équivalent. Ces données sont de deux formats distincts, basées sur le relevé strict des positions des yeux sur l'écran (en deux dimensions) et par rapport à l'écran (en trois dimensions) d'une part, et basée sur une analyse automatisée de la dynamique du regard d'autre part. Ces deux types de données sont des modélisations numériques d'informations, lues en général via un tracé graphique sur une vidéo, par les experts en PC lors de l'observation de leurs participants. Les travaux de cette thèse ont porté sur l'application de diverses modifications sur les données (présentation sous forme d'images, réduction de dimensionnalité, approches statistiques). Ils ont exploité divers modèles d'IA (Réseaux de neurones artificiels, récurrents et convolutifs) afin de produire des techniques d'aide à la détection. Nous avons ensuite appliqué une moyenne pondérée des résultats de nos approches pour obtenir une technique d'aide à la détection encore plus précise. Dans le cadre des travaux poursuivis dans cette thèse, plusieurs approches ont été essayées, prenant les données comme élément de continuité et les réseaux de neurones comme outil d'apprentissage. Commençant par une étude des événements de concentration oculaire et des LSTM, nous avons continué avec les données brutes de suivi oculaire et une modélisation sous forme d'images, traitée avec un CNN. Après application d'une PCA sur ces images, ces données sont également traitées par un simple ANN, avec des résultats supérieurs. Une étude statistique vise ensuite à étudier la corrélation entre les valeurs relevées par notre outil d'Eye-Tracking, ces valeurs de corrélation sont alors fournies à un ANN pour atteindre les plus hauts résultats de nos travaux. Enfin, nous avons cherché à mettre en commun les informations de certains de ces modèles afin d'améliorer encore les résultats obtenus. Le meilleur de nos résultats permet d'obtenir une courbe ROC dont l'AUC atteint les 95%, ce qui permet d'envisager, avec l'ajout de données supplémentaires utilisées en diagnostic manuel, une aide presque parfaite et une libération complète du temps de l'expert pour permettre une totale concentration sur la mise en place d'une aide pour l'enfant et le suivi au plus près de celui-ci. Par ailleurs, l'opportunité d'un diagnostic au plus tôt de l'enfant permet de réduire au mieux le retard neurodéveloppemental de l'enfant. Aucun de ces modèles n'est parfait. Il reste cependant à noter que le diagnostic n'est jamais fait, en pratique, sur les seules données liées à l'Eye-Tracking. Visant à constituer un système d'aide au diagnostic, il sert principalement à guider le professionnel dans son travail et à lui libérer une partie de son temps