Smell and taste perception consists in a chemical stimulation of transmembrane receptors lying on the surface of sensory cells located in the nasal or oral cavity. The receptors involved in olfaction and the perception of bitter, sweet and umami taste all belong to the well-studied G protein-coupled receptors (GPCR) family, yet to date their exact tridimensional structure still eludes us. In this thesis, I study the molecular structures at the frontline of chemosensory perception, namely receptors and their ligands, through a computational lens. To begin with, I expose how quantitative structure-activity relationships (QSAR) lead us to the discovery of natural semiochemicals that effectively disrupt the destructive behavior of a pest to crop plants, Spodoptera littoralis, by targeting its olfactory receptors. I then apply a similar machine learning strategy to develop an online predictive platform that estimates the relative sweetness of molecules based on their structure, resulting in the discovery of a novel sweet-tasting lignan scaffold. Finally, I make use of molecular modeling and available mutagenesis data to provide relevant three-dimensional models of bitter taste receptors, and predict molecular switches involved in ligand-sensing and receptor activation. Besides, I design a Python library that encodes interactions in molecular complexes as fingerprints for an efficient analysis of molecular dynamics trajectories, docking results and experimental structures, and showcase it on a variety of scenarios involving GPCRs. Overall, this thesis illustrates the implementation of computational strategies to gain knowledge on chemosensory perception, from taste to olfaction, at the molecular level., La perception olfactive et gustative provient d’une stimulation de nature chimique des récepteurs transmembranaires émergeants de la surface de cellules sensorielles situées dans la cavité nasale ou orale. Les récepteurs impliqués dans la perception des odeurs et des goûts amer, sucré et umami appartiennent à la famille des récepteurs couplés aux protéines G (RCPG). Malgré une connaissance approfondie de cette famille, une définition précise de la structure tridimensionnelle des RCPG chimiosensoriels nous échappe encore à ce jour. Dans cette thèse, je mets en lumière les structures moléculaires en première ligne de la perception chimiosensorielle, à savoir les récepteurs et leurs ligands, au travers d’un microscope computationnel. Dans un premier temps, je mets en avant un cas concret d’utilisation des relations quantitatives structure à activité (QSAR) par la découverte de composés sémiochimiques naturels interférant avec le comportement destructeur d’un insecte ravageur de cultures agricoles, Spodoptera littoralis, en ciblant ses récepteurs olfactifs. Par la suite, en me basant sur une méthode d’apprentissage automatique similaire, je conçois une plateforme en ligne permettant la prédiction du pouvoir sucrant de molécules en se basant sur leur structure, ce qui nous a permis de révéler un composé sucré innovant de la famille des lignanes. Pour finir, grâce aux outils de modélisation moléculaire et aux données de mutagénèse dirigée, je construits des modèles 3D de récepteurs au goût amer afin de prédire les interrupteurs moléculaires impliqués dans la détection des ligands et l’activation de ces récepteurs. En parallèle, je développe une librairie Python qui encode les interactions de complexes moléculaires sous forme d’empreinte numérique afin d’analyser des trajectoires de dynamique moléculaire, des structures issues d’amarrage moléculaire, ou des structures expérimentales, et je mets en valeur ce logiciel dans une multitude de scenarios impliquant des RCPG. Dans l’ensemble, ces travaux de thèse illustrent la mise en œuvre de méthodes numériques pour extraire des informations sur la perception chimiosensorielle, qu’elle soit olfactive ou gustative, à l’échelle moléculaire.