Dans ce papier, nous proposons une nouvelle approche d’agrégation personnalisée pour l’estimation de la pertinence multidimensionnelle. L’approche est basée sur un opérateur d’agrégation mathématique qui utilise une mesure floue permettant la quantification de l’importance estimée des critères pour chaque utilisateur ainsi que leur degré d’interactivité ou d’interdépendance. Nous évaluons l’opérateur d’agrégation proposé en utilisant la collection de test standard fournie avec par la tâche “Contextual Suggestion” de TREC 2013. Les résultats expérimentaux obtenus montrent l’impact de la personnalisation sur les performances de recherche.