[Français] Dans le cadre de la représentation des connaissances au sein des environnements virtuels d’apprentissage (EVA) et du fait de la nature relationnelle et structurée de ces connaissances, leur exploitation nécessite de faire appel à des processus d’analyse capables de traiter et de manipuler un grand volume de données structurées. Dans ce sens, un modèle de représentation trouve sa pleine utilité pour la recherche et le traitement automatique d’information guidant le raisonnement, le diagnostic et la prédiction d’un système tuteur dont la tâche est de fournir des suggestions, des exemples et des explications bien adaptés à chaque apprenant. Nous présentons dans cet article un modèle pour représenter la connaissance du domaine et celle des usagers utilisant des EVA. Le modèle s’inspire des recherches en intelligence artificielle sur la modélisation computationnelle et des théories de la psychologie cognitive qui expliquent l’activité cognitive humaine en termes de sous-systèmes de la mémoire et de leurs processus. Ces sous-systèmes (implémentés dans un EVA), parce qu’ils sont similaires à ceux utilisés par l’apprenant, facilitent, d’une part, l’identification de la connaissance acquise correcte ou erronée, et suggèrent, d’autre part, la planification d’une séquence d’activités pédagogiques pour améliorer de manière significative le niveau cognitif de cet apprenant. [English] In recent years, encouraging results in the field of knowledge representation within virtual learning environments (VLEs) confirm findings by artificial intelligence research in this area : namely, the benefits of integrating knowledge accumulated by research into psychology (i.e. the cognitive mechanisms of human learning) and the positive results yielded by computational modelling theories. This paper introduces a new cognitive and computational approach to knowledge representation inspired by cognitive theories that explain human cognitive activity in terms of memory subsystems and their processes, and whose aim is to suggest formal computational models of knowledge that offer efficient and expressive representation of virtual learning structures. Practical studies serve both to validate the new approach and allow general conclusions to be drawn.