Les processus modernes impliquent des acteurs divers - humains et non-humains - utilisant des outils spécialisés tout en franchissant les frontières organisationnelles à travers des sous-processus interconnectés. Les systèmes de gestion de processus (Process Management Systems - PMS) jouent un rôle crucial dans la modélisation et la surveillance de ces processus, le suivi de la progression des tâches, et la garantie de la visibilité, de la traçabilité et de l'efficacité au sein des équipes et entre elles. Cependant, les PMS existants font face à des défis importants dans des environnements hétérogènes. Premièrement, l'adoption des PMS est entravée par des rapports manuels chronophages et peu fiables. Deuxièmement, la coordination de processus disparates modélisés selon divers paradigmes et plateformes crée une visibilité fragmentée et entrave la surveillance de bout en bout des processus au-delà des frontières organisationnelles. Cette thèse présente pMage, un framework qui agit comme une interface entre les acteurs et les PMS pour faciliter la surveillance et la coordination des processus dans des environnements hétérogènes. pMage élimine les rapports manuels en capturant et en interprétant les actions des acteurs au sein de leurs outils de travail, reportant automatiquement la progression des tâches aux PMS. De plus, pMage permet la coordination inter-PMS en servant de médiateur adaptatif qui comble les différences sémantiques et technologiques entre des systèmes de gestion de processus disparates. Cependant, la construction de pMage répond à trois défis majeurs. Premièrement, l'interprétation des actions des acteurs nécessite d'intégrer la connaissance technique de divers outils et la connaissance du domaine des processus pour déduire comment les actions de bas niveau affectent la progression des tâches de haut niveau. pMage exploite également des techniques d'IA pour faciliter l'interprétation des séquences d'actions en mises à jour précises de la progression. Deuxièmement, la gestion de l'hétérogénéité nécessite une interface avec divers environnements d'outils ayant des structures de données, des APIs et des protocoles de communication différents. pMage abstrait cela à travers une représentation unifiée stockant les informations de configuration. Troisièmement, la corrélation d'événements inter-paradigmes est difficile dans la chorégraphie de processus sans contrôle central. pMage doit déterminer quels événements capturer et déclencher à travers des processus avec différents paradigmes de modélisation (centré sur les activités vs. centré sur les artefacts). Cela est résolu en utilisant un mécanisme de coordination unifié combiné avec une ontologie d'outils auto-apprenante capturant les équivalences sémantiques entre les terminologies spécifiques aux plateformes. En conclusion, pMage fournit un framework low-code augmenté par l'IA pour une intégration transparente entre les PMS et l'espace de travail des utilisateurs finaux, répondant aux lacunes pratiques et techniques de la gestion de processus actuelle. Sa faisabilité est démontrée à travers deux études de cas : l'Investigation de la police scientifique centré équipement mobile pour la Lutte contre le Terrorisme et le Processus de Développement Logiciel qvec Copilot, illustrant les capacités de pMage tant en orchestration qu'en chorégraphie de processus dans des environnements hétérogènes.