RÉSUMÉ. Dans ce papier, nous nous intéressons à un contexte de recherche d'information col-laborative où les utilisateurs sont caractérisés par différents niveaux d'expertise du sujet de la requête. Nous proposons un modèle d'ordonnancement de documents intégrant les rôles d'ex-pert et de novice tenant compte de la spécificité de chacun des rôles et assignant un document à l'utilisateur le plus à même de le juger en fonction de son niveau d'expertise. Pour cela, les scores de pertinence document-requête sont calculés en y intégrant la variable rôle puis op-timisés par la méthode d'apprentissage de maximisation de l'espérance mathématique. L'éva-luation expérimentale est réalisée selon un cadre de simulation de la collaboration à partir de fichiers log de la collection TREC Interactive et montre l'efficacité de notre approche. ABSTRACT. In this paper, we focus on a collaborative information retrieval context in which users have different domain expertise level. We present a role-based document ranking model, relying on the roles of domain expert and domain novice, which takes into account role peculiarities and assigns documents to the most likely suitable user according to users' domain expertise. For this purpose, the document relevance scores with respect to the query are, first, estimated by the role feature, and then, optimized by the Expectation-Maximization learning method. The experimental evaluation remains on a collaboration simulation framework based on the TREC Interactive dataset and shows the retrieval effectiveness of our model. MOTS-CLÉS : Recherche d'information collaborative, expertise, modèle d'ordonnancement, mé-thode d'apprentissage