Le présent numéro spécial de la revue RNTI est le prolongement des dernières journées nationales de travail et des derniers ateliers organisés par le groupe de travail EGC-Fouille de Données Complexes. Le groupe de travail s''est focalisé ces dernières années sur la fouille de données complexes lorsque la complexité est liée aux données multiples. Ces manifestations furent l''occasion de rassembler des chercheurs et des industriels désireux de dialoguer en partageant leurs expériences et problématiques dans ce domaine. Plus précisément, ce numéro regroupe les articles sélectionnés à la suite d''un appel national, répartis en 5 parties : la première partie concerne le traitement automatique d''informations complexes ; la deuxième partie aborde l''apprentissage non supervisé avec les cartes topologiques probabilistes, une approche collaborative et une approche multi-échelle ; la troisième partie s''intéresse à l''apprentissage supervisé et faiblement supervisé avec des techniques d''enrichissement ; la quatrième partie aborde les approches crédibilistes appliquées à des données complexes, multi-vues ou multi-sources. La dernière partie expose des approches visuelles et floues pour l''exploration des données et l''organisation des informations hétérogènes, multi-sources, imprécises.

Le présent numéro spécial de la revue RNTI est le prolongement des dernières journées nationales de travail et des derniers ateliers organisés par le groupe de travail EGC-Fouille de Données Complexes. Le groupe de travail s''est focalisé ces dernières années sur la fouille de données complexes lorsque la complexité est liée aux données multiples. Ces manifestations furent l''occasion de rassembler des chercheurs et des industriels désireux de dialoguer en partageant leurs expériences et problématiques dans ce domaine. Plus précisément, ce numéro regroupe les articles sélectionnés à la suite d''un appel national, répartis en 5 parties : la première partie concerne le traitement automatique d''informations complexes ; la deuxième partie aborde l''apprentissage non supervisé avec les cartes topologiques probabilistes, une approche collaborative et une approche multi-échelle ; la troisième partie s''intéresse à l''apprentissage supervisé et faiblement supervisé avec des techniques d''enrichissement ; la quatrième partie aborde les approches crédibilistes appliquées à des données complexes, multi-vues ou multi-sources. La dernière partie expose des approches visuelles et floues pour l''exploration des données et l''organisation des informations hétérogènes, multi-sources, imprécises.