Dans cette étude, nous nous intéressons aux bases de données du Web Sémantique, contenant à la fois des données RDF explicites, ainsi que des données impliquées par la sémantique de RDF. Etant donné un ensemble de requêtes, nous abordons le problème de la selection d'un ensemble de vues à matérialiser afin de minimiser conjointement le coût d'évaluation de ces requêtes, l'espace de stockage requis pour les vues, ainsi que leur coût de maintenance. À partir d'une méthode de sélection de vues utilisée dans le contexte des entrepôts de données relationnels, nous élaborons de nouveaux algorithmes pour recommander des ensembles de vues et montrons que nos algorithmes passent à l'échelle plus efficacement que les techniques existantes du modèle relationnel, quand elles sont adaptées au contexte de RDF. La prise en compte des données implicites - impliquées - repose sur un méchanisme innovant de reformulation de requêtes. Nous proposons en outre différentes approches pour éviter l'explosion combinatoire que la reformulation peut engendrer en terme de complexité. Nous présentons enfin une série de résultats expérimentaux qui confirment la pertinence des solutions avancées.