L'évaluation des risques sismiques pour les structures est nécessaire pour prévenir les pertes humaines et matérielles en cas de catastrophes naturelles. La construction des courbes de fragilité sismique, l'outil qui définit la probabilité de défaillance d'une structure en fonction de l'intensité des séismes, joue un rôle important dans cette évaluation. En général, la méthode de construction de cette courbe demande des procédures coûteuses, très souvent par appel des analyses par éléments finis, nécessitant des ressources considérables en termes de temps et d'informatique. Cette difficulté empêche l'utilisation de cet outil en temps réel ou l'application de cet outil pour les structures plus populaires.L'apprentissage automatique a connu un développement spectaculaire avec son l'application dans plusieurs domaines. Il est reconnu comme un outil puissant pour modéliser une relation complexe entre les entrées et les sorties à partir des données. Une approche novatrice émerge : l'utilisation des modèles d'apprentissage automatique pour prédire la réponse des structures sous séismes. Par conséquent, la motivation principale de la thèse est d'étudier l'application de l'apprentissage automatique à la génération de réponses sismiques pour l'évaluation des risques sismiques, plus spécifiquement pour construction de la courbe de fragilité.L'étude débute par une revue de la littérature, qui présente les courbes de fragilité sismique et le défi lié à la charge de calculs pour leur construction. Après une brève présentation de l'apprentissage automatique, le premier chapitre se concentre sur son application pour modéliser les réponses sismiques des structures. Devant un très large choix parfois contradictoire des caractéristiques, il est nécessaire de proposer des procédures pratiques avec les caractéristiques les plus pertinentes et faciles à la mise en œuvre.La thèse examine ce problème et donne une proposition innovante consiste à utiliser et sélectionner efficacement le spectre de réponse en accélération échantillonnées aux différentes périodes pour construire les modèles d'apprentissage automatique. Deux procédures, nommées PRO-LIN et PRO-NONLIN, sont proposées pour des structures linéaires et non-linéaires respectivement. Pour valider ces propositions, des tests sont effectués sur des structures linéaires et non-linéaires en combinant avec des enregistrements synthétiques, démontrant une réduction significative du temps de simulation tout en maintenant la précision dans la construction des courbes de fragilité.Bien que les premières validations des procédures soient réalisées avec des enregistrements synthétiques, une validation avec des enregistrements réels est indispensable pour valider ces propositions. Les enregistrements sont sélectionnés suivant le spectre conditionnel depuis des bases de données. Finalement, une autre validation vise à tester les procédures proposées avec des bases de données existantes dans en littérature. La première base de données concerne une structure linéaire en béton armé. La deuxième base de données concerne des portiques non-linéaires résistantes aux moments en acier.En conclusion, basant sur les résultats obtenus dans les études, ce travail met en lumière l'efficacité des procédures proposées de la thèse. Ces procédures améliorent de façon efficace la construction des courbes de fragilité sismique et l'évaluation des risques sismiques.