Cette thèse s'appuie sur deux axes. L'un appliqué traite de la création d'un indicateur dont le but est d'évaluer la gravité attendue des conséquences d'un scénario de pollution accidentelle. J'ai choisi d'utiliser des outils méthodologiques appartenant au domaine de l'aide multi-critères à la décision pour traiter ce premier sujet. Ce problème impliquant plusieurs disciplines scientifiques, j'ai choisi de le diviser en plusieurs sous-problèmes à travers une arborescence de critères. J'ai également impliqué plusieurs experts, notamment en toxicologie et en écologie afin de mieux prendre en compte les aspects liés à ces deux disciplines dans la création de cet indicateur.L'étude des méthodes de tri multicritère effectuée lors des recherches sur le premier axe m'a amené à en proposer une nouvelle que j'ai nommé algorithme du Dominance Based Monte Carlo (DBMC). Cet algorithme a comme particularités de n'être pas fondé sur un modèle et de fonctionner de manière stochastique. Nous avons étudié ses propriétés théoriques, en particulier nous avons démontré qu'en dépit de sa nature stochastique, le résultat de l'algorithme Dominance Based Monte Carlo converge presque sûrement. Nous avons également étudié son comportement et ses performances pratiques à travers un test nommé k-fold cross validation et les avons comparés aux performances d'autres algorithmes d'élicitation des préférences pour le tri multi-critères.