Des milliards de pages web sont disponibles sur le World Wide Web (WWW). Il existe donc de nombreux résultats de recherche correspondant à la requête d'un utilisateur, parmi lesquels seuls certains sont pertinents. La pertinence d'une page Web est calculée par les moteurs de recherche à l'aide d'algorithmes de classement des pages. La plupart des algorithmes de classement des pages utilisent l'exploration de la structure et du contenu du Web pour calculer la pertinence d'une page Web. Dans cette thèse, nous proposons une extension de l'algorithme standard du PageRank pondéré en combinant l'exploration de la structure du web et l'exploration de l'utilisation du web. La méthode proposée prend en compte l'importance du nombre de visites des inlinks et outlinks des pages et distribue les scores de classement en fonction de la popularité des pages. Ainsi, les pages résultantes sont affichées sur la base du comportement de navigation de l'utilisateur.