Le développement de langages formels pour modéliser les systèmes biologiques ouvre la voie à la conception de nouveaux outils de raisonnement automatique destinés au biologiste modélisateur. La machine abstraite biochimique BIOCHAM est un environnement logiciel qui offre un langage simple de règles pour modéliser des interactions biomoléculaires, et un lan-gage puissant fondé sur la logique temporelle pour formaliser les propriétés biologiques du sys-tème. En s’appuyant sur ces deux langages formels, il devient possible d’utiliser des techniques d’apprentissage automatique pour inférer de nouvelles règles de réaction, estimer les valeurs des paramètres cinétiques, et corriger ou compléter les modèles semi-automatiquement. Dans cet article, nous décrivons les langages implantés dans BIOCHAM et illustrons l’utilisation du système d’apprentissage automatique sur un modèle simple du contrôle du cycle cellulaire. ABSTRACT. With the advent of formal languages for modeling biological systems, the design of automated reasoning tools to assist the biologist becomes possible. The biochemical abstract machine BIOCHAM software environment offers a rule-based language to model bio-molecular interactions and a powerful temporal logic based language to formalize the biological properties of the system. Building on these two formal languages, machine learning techniques can be used to infer new molecular interaction rules from temporal properties, or to estimate kinetic parameter values, in order to semi-automatically correct or complete models from observed biological properties of the system. In this article we describe the formal languages of BIOCHAM and illustrate, on a simple cell cycle control model, the use of the machine learning system.