Dans le cadre de cette thèse, nous avons conçu, développé et expérimenté un prototype d'environnement informatique d'apprentissage humain (EIAH) nommé RAFALES (Recueil Automatique Favorisant l'Acquisition d'une Langue Etrangère de Spécialité). RAFALES est un manuel scolaire numérique capable de sélectionner automatiquement une séquence de texte visant à optimiser l'apprentissage. Les textes sont choisis dans une base de connaissances en fonction d'un profil d'apprenant. RAFALES est adaptable : il évolue en fonction des lectures de l'apprenant. Il est automatique : la sélection des lectures se fait sans intervention humaine. Il est réinitialisable : il est facile de modifier le domaine étudié. Enfin, il est mobile : utilisable en tout lieu. L'apparition de ces quatre caractéristiques est mise en avant dans notre étude bibliographique des supports de stockage de connaissances utilisés à des fins didactiques depuis les écoles de Scribes. RAFALES est composé de trois modules : le profil de l'apprenant, la base de connaissance du domaine étudié et le module pédagogique. Nous utilisons l'analyse de la sémantique latente (LSA) afin de modéliser les connaissances et de mesurer les distances sémantiques. Les deux premiers modules sont des espaces multidimensionnels à 300 dimensions créés à partir de textes. Le module pédagogique sélectionne les textes à fournir à l'apprenant en fonction des distances sémantiques entre son profil et la base de connaissances. Nous pensons qu'il existe une distance sémantique optimale pour favoriser l'apprentissage, nous l'appelons POA (Proximité Optimale d'Acquisition). Des expérimentations avec 42 apprenants humains, 25 experts humains et quatre apprenants virtuels nous ont permis de conforter certaines hypothèses. En particulier la distance sémantique entre les textes fournis et le profil de l'apprenant semble avoir une influence sur l'apprentissage.