Le principe de la distraction au volant est de détourner l'attention du conducteur en phase de conduite en toute sécurité au profit d'une tâche concurrentielle. Le paradigme de la double tâche repose sur l’hypothèse que la distraction se traduit par une charge cognitive excessive et des ressources restreintes en termes d'attention. Pour combler les lacunes des travaux de recherche portant sur l’étude de la sécurité des conducteurs, cette thèse vise à découvrir les mécanismes de détection de la distraction cognitive visuelle à l'aide de signaux physiologiques. A cette fin, deux séries d'expérimentations ont été menées avec 18 participants. La première expérimentation avec 10 participants vise à évaluer les effets de la distraction et de la synchronisation des signaux de l’EEG. Pour l'analyse statistique, le test de Shapiro-Wilk et l'analyse de variance à deux facteurs ANOVA ont été utilisés. Les résultats indiquent que les deux tâches de distraction cognitive visuelle sont exécutées de façon séquentielle et que le temps de réaction est affecté par le passage d'une tâche à l'autre. Pour la deuxième expérimentation avec 8 participants, un système intégré a été créé en C++, qui implique un système CAVE à 4 parois, un simulateur de conduite utilisant le logiciel de simulation SCANeR, un simple casque EEG à 20 canaux (Enobio 20), un SMI de suivi oculaire et un logiciel BeGaze. Comme paramètres qualitatifs, les réponses aux questionnaires SSQ et NASA-TLX ont été utilisés pour évaluer les commentaires des utilisateurs. Comme paramètres quantitatifs, des solutions d’équations mathématiques, des mesures de mouvements oculaires, de signaux EEG et de performances de conduite ont été utilisées. Pour l'analyse des données, les logiciels Matlab et SPSS ont été utilisés et pour l'analyse statistique, le test Shapiro-Wilk et ANOVA à un facteur. Les résultats indiquent que l'expérience exige une capacité mentale plutôt qu'une capacité physique. Les fréquences de la bande delta dans le lobe frontal des signaux EEG n'ont pas d'impact significatif sur la différentiation entre conduite et distraction, mais les bandes delta et thêta au centre et au pariétal en ont. Les résultats ont également révélé que les fréquences des bandes thêta et alpha sont effectivement des caractéristiques importantes dans les deux expérimentations. Dans une tâche où le sujet peut contrôler quand il s'engage dans la tâche secondaire, la bande bêta a montré son importance d’un point de vue statistique, étant la seule capable de faire la distinction entre différents niveaux des tâches cognitives. La similitude la plus frappante entre les deux expérimentations est que certaines des caractéristiques statistiquement significatives se chevauchent entre les régions du cerveau. Par conséquent, une analyse comparative des techniques d'apprentissage machine (SVM-RFE c. les forêts aléatoires) dans la sélection des caractéristiques pertinentes des signaux EEG, en combinaison avec les valeurs de cohérence, a également été réalisée. Les résultats indiquent que, bien qu'en général, les forêts aléatoires donnent de meilleurs résultats que le séparateur SVM, le score F1 du SVM avec SVM-RFE montre les scores les plus élevés (0.90).