Les perturbations induites par une maladie, un traitement ou encore un stress environnemental affectent les organismes vivants de diverses manières. Ainsi, l’expression de certains gènes sera impactée, ce qui se répercutera sur ses produits (protéines, ARNm). Ces perturbations se propagent également via les interactions que peuvent avoir les gènes les uns avec les autres. L’ensemble de ces interactions forme le réseau de régulation, un objet important dans ces études. D’autre part, certaines protéines, appelées enzymes, ont un rôle de catalyseur des réactions biochimiques qui ont lieu au sein des organismes. L’ensemble des réactions biochimiques forme le réseau métabolique, un second objet important. Ainsi, une perturbation va impacter le réseau de régulation mais aussi le réseau métabolique puisqu’ils sont interconnectés, via les enzymes notamment. L’objectif principal de ma thèse est d’étudier l’impact d’une perturbation sur un organisme en intégrant le réseau de régulation au réseau métabolique. J’ai apporté deux contributions dans ce sens. La première est une comparaison d’une approche logique à une approche bayésienne pour savoir quelle stratégie de modélisation est la plus adaptée pour étudier les impacts des perturbations sur de grands réseaux de régulations. J’en ai déduit que bien qu’elle soit une bonne candidate, l’approche logique présente des limites de par ses prédictions qualitatives en matière d’intégration. La seconde contribution découle de ces limites, j’ai développé une méthode originale basée sur l’Answer Set Programming, MajS, proposant une prédiction plus fine de l’effet d’une perturbation sur le réseau de régulation. Ce travail ouvre la porte à de nombreuses perspectives comme une meilleure intégration des effets des perturbations au niveau du réseau métabolique et une application à d’autres organismes d’étude.