Dans cette thèse, nous nous intéressons à la notion de feedback des différentes parties prenantes impliquées dans les jeux sérieux (concepteurs, enseignants / formateurs, apprenants...). Plus spécifiquement, nous cherchons à capturer ces informations périphériques, qui sont hétérogènes, protéiformes, complexes et peu structurées, dans des modèles informatiques structurant afin de permettre 1) leur entreposage selon des principes F.A.I.R. et 2) le raisonnement machine et l’inférence de connaissances supplémentaires. La finalité étant de pouvoir exploiter ces feedbacks afin d’assister ces acteurs grâce à des recommandations fortement contextualisées (grâce aux retours d’usages) et pertinentes pour leur besoin.
Cette thèse s’inscrit dans le cadre du projet ANR-23-CE38-0001 TALE4GDA (https://tale4gda.wp.imt.fr/), financé par l'ANR.