Le raisonnement à partir de cas (RÀPC) consiste à résoudre un problème en se remémorant et en adaptant des cas passés déjà résolus. Les systèmes de RÀPC manipulent des connaissances de natures diverses : les cas, les connaissances du domaine, les connaissances de similarité et d'adaptation. Les cas sont collectés de manière graduelle lors de l'utilisation du système et la base de cas s'enrichit de façon incrémentale, alors que les autres types de connaissances sont généralement acquis au moment de la conception du système. En particulier les connaissances d'adaptation sont souvent difficiles à modéliser, imprécises et incomplètes. Proposer des mécanismes permettant l'acquisition ou l'apprentissage de telles connaissances pendant l'utilisation du système est donc particulièrement pertinent. Dans cet article, nous étudions dans un premier temps le raisonnement à partir de cas du point de vue des connaissances manipulées puis au travers du cycle de raisonnement. Nous montrons ensuite dans quelle mesure l'apprentissage des connaissances en RÀPC peut tirer profit de l'unification des connaissances de similarité et des connaissances d'adaptation. Nous identifions les différentes cibles d'apprentissage des connaissances d'adaptation, puis nous proposons d'approfondir l'un des scénarios d'apprentissage que nous aurons présenté.