Ces dernières années ont vu l'émergence de plans d'action pour le climat, le développement durable ou l'environnement comme le plan européen « Green Deal » de janvier 2020. L'un des principaux plans d'action, intitulé "Plan d'action pour l'économie circulaire", propose d'utiliser le modèle d'économie circulaire pour simuler l'utilisation de modèles durables. Dans ce contexte, les procédés et systèmes industriels se veulent plus durables et circulaires. Pour évaluer cette durabilité, de nombreuses approches existent et nécessitent un besoin de données, d’informations et de connaissances croissant. Par la transition digitale et l’émergence des données massives, de nombreuses données sont disponibles pour les industries. Qu'elles soient structurées ou non, sous différents formats (PDF, XML, HTML), et de différents types (Web, bases de données, articles scientifiques), les sources de données sont potentiellement des mines de connaissances qui peuvent compléter les analyses de la durabilité. Allant souvent de pair avec les données massives, l’intelligence artificielle apporte des méthodes pour extraire, traiter, analyser et visualiser ces données. De nombreux outils et méthodes sont désormais disponibles à cette fin grâce aux techniques du « Big Data » ou de l’intelligence artificielle comme l’apprentissage automatique. L’évaluation des systèmes industriels durables et circulaires peut bénéficier de ces technologies.Évaluer la durabilité d’un système ou d’un procédé regroupe maintenant un ensemble de méthodes en interaction les unes avec les autres. Cela s’explique par la quantité des données disponibles, la complexité grandissante des procédés industriels et des analyses de la durabilité plus globales.Les travaux de cette thèse s'intéressent à définir une approche centrée données massives et intelligence artificielle pour l’évaluation des systèmes industriels durables et circulaires. Un cadre méthodologique est développé afin de profiter des articles scientifiques et du web public, d’analyser ces données et de fournir un support pour aider à l’interprétation des résultats. Cette approche induit le couplage de quatre domaines d’intérêt : données massives, intelligence artificielle, analyses de la durabilité et procédés et systèmes industriels. La spécification de ce cadre permet de reconsidérer la façon d’exécuter les analyses de la durabilité. Il donne lieu à son application dans l’agro-industrie. Différentes trajectoires de valorisation des déchets lignocellulosiques sont étudiées selon deux principales dimensions, les intrants de type biomasse et les technologies de procédés. Ce cas d’étude soutient l’ingénierie circulaire et met à l’épreuve le cadre méthodologique proposé.