L’évaluation de requêtes sur des données probabilistes (probabilistic query evaluation ou PQE) est généralement très coûteuse en ressources et ce même à requête fixée. Bien que certaines restrictions sur les requêtes et les données aient été proposées pour en diminuer la complexité, les résultats existants ne s’appliquent pas à la complexité combinée, c’est-à-dire quand la requête n’est pas fixe. Ma thèse s’intéresse à la question de déterminer pour quelles requêtes et données l’évaluation probabiliste est faisable en complexité combinée. La première contribution de cette thèse est d’étudier PQE pour des requêtes conjonctives sur des schémas d’arité 2. Nous imposons que les requêtes et les données aient la forme d’arbres et montrons l’importance de diverses caractéristiques telles que la présence d’étiquettes sur les arêtes, les bifurcations ou la connectivité. Les restrictions imposées dans ce cadre sont assez sévères, mais la deuxième contribution de cette thèse montre que si l’on est prêts à augmenter la complexité en la requête, alors il devient possible d’évaluer un langage de requête plus expressif sur des données plus générales. Plus précisément, nous montrons que l’évaluation probabiliste d’un fragment particulier de Datalog sur des données de largeur d’arbre bornée peut s’effectuer en temps linéaire en les données et doublement exponentiel en la requête. Ce résultat est prouvé en utilisant des techniques d’automates d’arbres et de compilation de connaissances. La troisième contribution de ce travail est de montrer les limites de certaines de ces techniques, en prouvant des bornes inférieures générales sur la taille de formalismes de représentation utilisés en compilation de connaissances et en théorie des automates.