Les graphes sont utilisés dans de nombreux domaines différents, allant de la sécurité informatique des réseaux sociaux, à la géographie et à la bioinformatique. Leur polyvalence et leur capacité à modéliser des données complexes en font un outil précieux pour résoudre plusieurs problèmes notamment dans le domaine de l’extraction de connaissances à partir de graphes biologiques qui est notre domaine d’intérêt. Cependant, l’utilisation de graphes peut présenter plusieurs défis tels que la représentation des données, l’évolutivité et le comportement dynamique/temporel de certains graphes réels. Dans le cas particulier des graphes biologiques, des défis liés à la complexité des systèmes biologiques, à l’interprétabilité et à la validation pourraient être soulevés. Sans s’attaquer à l’ensemble de ces défis majeurs, nous présentons dans ce manuscrit d’HDR plusieurs contributions. Tout d’abord, nous présentons une nouvelle approche basée sur un graphe de protéines qui combine la notion de similarité de domaine avec une technique d’inférence de voisinage de graphe pour l’annotation de la fonction des protéines. Ensuite, nous décrivons une approche de prédiction de liens explicables dans les graphes de connaissances biologiques pour le repositionnement des médicaments. Enfin, nous présentons nos contributions sur le clustering de graphes distribués et le plongement de graphes de connaissances à grande échelle.