Cette thèse examine le problème de l’évaluation de la qualité d’information produite par des capteurs : ces derniers ne fournissent pas toujours une information correcte et l’évaluation de sa qualité est nécessaire pour en permettre une utilisation optimale. Nous proposons une approche qui ne fait pas d’hypothèse sur le type de capteur considéré, ne requiert pas de vérité-terrain et dépend seulement de méta-informations aisées à obtenir, qui exploitent des attributs partagés par la plupart des capteurs. Le modèle proposé est appelé ReCLiC, du nom en anglais des quatre dimensions sur lesquelles il repose : fiabilité, compétence, vraisemblance et crédibilité (Reliability, Competence, Likelihood et Credibility). Nous discutons les contraintes et propriétés souhaitées de ces dimensions et proposons des définitions motivées pour chacune d’entre elles. De plus, nous proposons une implémentation de la définition générique de ReCLiC pour un problème réel, dans le domaine de la signalisation ferroviaire : nous discutons de leur forme pour cette application et effectuons une analyse théorique du comportement du modèle de cotation d’information auquel elles conduisent, en examinant chaque dimension séparément. Cette implémentation est validée expérimentalement en utilisant des données simulées réalistes, générées selon un protocole expérimental permettant de contrôler les problèmes de qualité introduits. Le modèle ReCLIC est de plus mis en oeuvre sur des données ferroviaires réelles, en utilisant une méthode de visualisation originale qui permet en outre d'étudier la notion de dynamique de la confiance.