Le forage de données ("data mining") se fait à partir de plusieurs techniques d''apprentissage automatique. Chacune étant propice à extraire des connaissances de nature différente ou dans des contextes différents, il importe de choisir la bonne technique selon le problème posé. Les algorithmes d''apprentissage automatique possédant chacun des forces et faiblesses qui leur sont propres pour divers types de problème de découverte des connaissances à partir de données, certains auront un meilleur taux de succès ou un plus court temps d''exécution que d''autres. Cet ouvrage propose une méthode pour aiguiller automatiquement diverses requêtes de forage de données vers différents modules d''extraction de connaissances déjà existants selon le type des données à analyser. Cette sélection automatique permettra à un utilisateur non expert de tirer profit de l''apprentissage automatique sans avoir les connaissances nécessaires pour bien choisir un algorithme d''apprentissage automatique, et devrait améliorer l''efficacité en termes de taux d''exactitude de l''hypothèse émise et de temps d''exécution de l''algorithme d''apprentissage automatique choisi.