Cet article présente une approche pour apprendre automatiquement des connaissances d'adaptation destinées à un système de raisonnement à partir de cas. Cet apprentissage s'appuie sur la base de cas, l'idée étant que, pour deux cas de cette base, leur différence est interprétée comme le résultat d'un processus d'adaptation. La technique d'apprentissage utilisée est l'extraction de motifs fréquents, technique de fouille de données qui suppose un formatage % des données sous la forme d'un ensemble de propriétés booléennes. Le formatage des différences entre cas de la base sous cette forme est discuté en détail, à la fois à un niveau général et au niveau de l'application envisagée, pour le système \Kasimir d'aide à la décision en cancérologie, qui utilise un formalisme proche des logiques de descriptions. L'ensemble du processus d'extraction des connaissances (formatage, fouille et interprétation) est discuté.