Les Problèmes de Satisfaction de Contraintes (OSP) sont une branche de l'intelligence artificielle. Ils offrent un cadre formel, générique et simple pour représenter des problèmes de décision sur des domaines discrets. Sur ce cadre, de nombreuses techniques de recherche de solutions ou d'aide à cette recherche ont été développées: simplification, décomposition, recherche arborescente, recherche locale... Face à une instance à résoudre, il est difficile pour un utilisateur de choisir sa méthode de résolution et ses heuristiques de choix de variables et de valeurs. Pour éviter d'effectuer un choix, nous proposons une résolution coopérative où plusieurs méthodes utilisant chacune une heuristique particulière sont exécutées en parallèle et s'échangent des informations pertinentes. D'autre part, les méthodes classiques de recherche locale ou arborescente prennent difficilement en compte les connaissances et les préférences de l'utilisateur, ce qui peut se traduire par une inefficacité de la recherche et une mauvaise qualité des solutions produites. Dans une telle situation, nous proposons deux approches pour une résolution interactive. Dans la première, le rôle essentiel est tenu par le logiciel; l'utilisateur n'influe que sur la stratégie de recherche par le logiciel. Dans la seconde, le rôle essentiel est tenu par l'utilisateur, seul habilité à effectuer des choix. Le seul rôle du logiciel est de propager les conséquences de ces choix. Cette propagation s'effectue grâce à un algorithme générique s'appuyant sur une définition générique de niveaux de cohérence locale inverse. Ce schéma regroupe tous les niveaux de cohérence inverse connus et permet la définition de nouveaux niveaux.