Il existe un intérêt croissant pour la mise en œuvre d'outils permettant de monitorer les performances cognitives en environnement réaliste.Les avancées technologiques récentes ont permis la mise en oeuvre de dispositifs de monitoring portables, tels que l'électroencéphalogramme (EEG), la spectroscopie fonctionnelle proche infrarouge proche (fNIRS), l'eye tracking et l'électro-cardiogramme (ECG), afin d'étudier l'activité humaine dans une variété de configurations. Ces capteurs offrent d'intéressantes perspectives pour l'aviation via l’implémentation de systèmes d'interfaces cerveau-ordinateur passives et de technologie neuroadaptive assurant une exploitation plus sûre et plus efficace. Cependant, un problème critique consiste à extraire des marqueurs de la performance humaine pertinents et robustes pour la classification et pouvant être calculés en ligne. Ce doctorat a pour but d'évaluer les métriques de connectivité permettant de monitorer les performances cognitives. Nos travaux expérimentaux suggèrent que les métriques de connectivité en fNIRS (en particulier la cohérence en ondelettes) surpassent les métriques classiques lors de l'estimation de l'engagement dans un simulateur de vol réaliste ou de la fatigue dans des conditions réelles de vol. Nous avons ensuite mis en œuvre une nouvelle méthode, à savoir le compte de coïncidence retardée, pour évaluer la synchronie cardiaque dans un contexte d'hyperscanning. Les résultats ont révélés que cette métrique de connectivité était efficace pour détecter la coopération entre des coéquipiers face à une tâches exigeantes. De plus, les données EEG ont permis de classer la charge de travail et les niveaux de coopération que ce soit en utilisant les métriques issues d'un unique opérateur ou bien les données combinées des deux coéquipiers.