La pharmaco-épidémiologie étudie les avantages et les risques de l'utilisation des médicaments sur la population dans des situations réelles où ces populations sont issues de bases de données médicales. Cette thèse porte sur les bases de données de santé administratives avec une application sur la base française appelée SNDS (Système National des Données de Santé). Le SNDS contient des informations administratives de type remboursements de soins : délivrances de médicaments, actes médicaux et hospitalisations mais ne contient pas de rapports médicaux, ni de diagnostic. L’absence de diagnostic rend la sélection de population d'intérêt complexe pour les pharmaco-épidémiologistes. L’objectif de cette thèse est de faciliter la sélection de populations d’intérêts dans les bases de données de santé administratives avec un outil intuitif et efficace. Cette thèse propose une approche formelle basée sur les Chroniques permettant de caractériser des phénotypes temporels, c’est-à-dire une description d’évènements médicaux témoignant d’une maladie, et une autre approche basée sur le Web Sémantique proposant une représentation des données avec OWL. Cette thèse propose l’outil efficace \HyCOR, utilisant le Web Sémantique combiné au modèle temporel des Chroniques afin de trouver tous les patients exprimant un phénotype temporel donné. Cet outil a été testé sur un cas d’étude réel visant à sélectionner les patient atteints de thrombose veineuse dans le SNDS.