Grâce aux progrès scientifiques et technologiques, la Médecine de Précision (MP) est désormais prometteuse pour la personnalisation de la décision médicale. L'objectif est de fournir des mesures spécifiques pour une prise en charge individualisée du patient. Les solutions développées à cette fin sont nombreuses, cependant, leur adoption dans les services de santé est limitée par des enjeux liés en particulier aux données et aux méthodes sous-jacentes. Cette thèse s'intéresse aux mécanismes du dialogue humain-machine à travers la visualisation et l'interaction avec les données et les algorithmes pour fournir des solutions de MP raisonnables et compréhensibles par l'humain. En collaboration avec des neurologues, nous avons conçu et développé un système d'aide à la décision clinique appelé MS-Vista, fondé sur les principes de la MP. MS-Vista offre une interface humain-machine d'interaction avec les données permettant de contextualiser les patients atteints de sclérose en plaques. Il permet d'examiner la qualité et la quantité des données. Il fournit également des visuels de projection de données illustrant les avantages potentiels de chaque option thérapeutique. Il s’agit d’aider à la personnalisation de la décision et à la communication médecin-patient. Les retours positifs fournis par les neurologues, notamment du fait que MS-Vista intègre leur raisonnement, nous a conduit par la suite à concevoir une approche hybride de prédiction basée sur la collaboration humain-algorithme. En impliquant les médecins dans le processus d'apprentissage, cette approche permet d'améliorer la performance du modèle de prédiction en combinant l'intelligence humaine et artificielle.