L’essor de l’intelligence artificielle en santé ouvre de nouvelles perspectives pour l’aide à la décision clinique, notamment en réanimation, où la complexité des données et l’urgence des décisions rendent l’optimisation des prises en charge essentielle. Pourtant, le développement et l’intégration des systèmes d’aide à la décision clinique (SADC) basés sur l’intelligence artificielle restent limités par des défis techniques, méthodologiques, et organisationnels. Cette thèse propose un cadre méthodologique pour le développement des SADC, appliqué au sevrage de l’épuration extra-rénale continue (EERc) en réanimation. La première partie s’appuie sur une revue de la littérature et une étude nationale auprès des réanimateurs pour identifier les attentes vis-à-vis d’un tel outil. La seconde partie porte sur la structuration des données pour garantir une intégration optimale dans les systèmes hospitaliers. La troisième partie décrit le développement et la validation d’un modèle prédictif à partir de bases de données multicentriques. Enfin, une évaluation prospective est proposée pour mesurer l’impact clinique du modèle et son acceptabilité. Ce travail illustre l’intérêt d’une approche centrée utilisateur et intégrée aux systèmes d’information apprenants pour garantir la fiabilité et l’adoption des SADC en réanimation.