Les progrès dans la lutte contre la faim ont été significatifs en Afrique de l'Ouest et au Burkina Faso entre 2000 et 2014, avant que la situation alimentaire ne se détériore à nouveau. Les raisons sont multiples et interdépendantes : des phénomènes météorologiques extrêmes plus fréquents et l'augmentation de la population tendent à réduire la disponibilité alimentaire par habitant ; les déplacements de population dus aux conflits ont pour conséquence la chute de la production agricole et la désorganisation des circuits de distribution ; la pauvreté structurelle des populations est aggravée par un contexte économique mondial di¿icile. Pour suivre, analyser et prévoir les situations d'insécurité alimentaire aux échelles locales à sub-nationales, les systèmes de sécurité alimentaire (SSA) intègrent principalement des données agroclimatiques issues d'images satellites et des indicateurs de nutrition, de production et d'économie issus d'enquêtes ménages. Ces enquêtes sont essentielles à la production d'indicateurs clés pour mesurer la sécurité alimentaire (SA), mais sont coûteuses économiquement et en temps. L'objectif de cette thèse est de fournir des approches innovantes pour l'estimation d'indicateurs de SA et de leurs déterminants, en utilisant des données hétérogènes publiquement accessibles et des approches fondées sur l'intelligence artificielle, dans la perspective d'appuyer les méthodes utilisées par les SSA. Pour cela, plusieurs questions de recherche sont traitées : sur quels indicateurs s'appuyer pour mesurer la SA et quelles en sont les limites ? Comment traiter l'hétérogénéité thématique, temporelle et spatiale des données ? Comment extraire des données leur aspect explicatif, i.e., être capable d'identifier les facteurs d'augmentation ou de diminution de la SA à partir des données ? Pour répondre à ces problématiques, cette thèse propose trois contributions. Premièrement, nous faisons un état des lieux des nombreux indicateurs utilisés pour quantifier cet