Dans le contexte de la présentation d’une grande masse d’information évoluant dans le temps, un système doit sélectionner les informations pertinentes selon l’utilisateur. Nous proposons dans cette thèse MétéoVis, un générateur de bulletins climatiques qui génère des bulletins sur demande. L’objectif est de générer des visualisations personnalisées combinant du texte et des graphiques. Pour cela, nous calculons les besoins et les préférences des utilisateurs malgré le peu d’information que nous avons sur leurs profils. Nous utilisons pour cette tâche le clustering pour dégager des cas similaires. Nous utilisons des techniques inspirées des méthodes d’aide à la décision multicritères pour varier le seuil de décision des paramètres de la visualisation générée. Météovis permet d'automatiser l’exploration d’informations de type environnemental, de prévoir les préférences et les besoins des utilisateurs et de générer des bulletins météorologiques personnalisés.