Ce travail de thèse concerne l’étude de la variabilité inter-individuelle du transcriptome soumis à un stimulus. Cette variabilité n’est pas homogène au sein même du transcriptome et varie suite aux perturbations extérieures.Nous avons mis en place une stratégie d’analyse de la variabilité inter-individuelle sur la base des indices de diversité. Nous avons sélectionné trois jeux de données ayant des caractéristiques particulières (stimulus fort, faible, cinétique, données appariées, …). Ces indices nous permettent de mettre en évidence les différences entre les individus; certains ayant des transcriptomes plus divers que d’autre. Ces différences s’attenues après l’application d’un stimulus au système : La variabilité de la diversité diminue. Nous mesurons cette diminution à l’aide d’une mesure de la similarité. Les résultats indiquent un phénomène global. Nous avons par la suite analysé les données sous le regard d’un indice de spécialisation. Les différences entre groupes témoins et groupes sous l’action d’un stimulus indiquent que la spécialisation diminue de manière significative après l’action du stimulus.Les informations obtenues sont différentes de celles obtenues par les stratégies d’analyses statistiques classiques. Nos travaux montrent enfin que ces outils permettent d’établir de nouvelles hypothèses. Ces indices, utilisés pour la première fois pour ce type d’analyse, ouvrent ainsi la voie à un nouvel arsenal d’outils d’analyse pour la compréhension des modifications transcriptomiques globales mais aussi individuelles et s’inscrit donc parfaitement dans le mouvement de la médecine personnalisée. / This thesis concern the study of the interindividual variability of transcriptome after stimulation. This variability is not homogenous within the same transcriptome and varies with external stimulus.We designed an analysis strategy of the interindividual variability based on diversity indices. We selected three transcriptome datasets based on particular characteristics (strong stimulus, kinetic, paired data…). The indices highlight differences across the samples, some being more diverse than the others. The differences decrease after applying a stimulation to the samples. We measure this modification with a measure of similarity. The results depict a global effect of the stimulation.We analysed the data using specialisation measure. The samples’ specialisation significantly decrease after stimulation, meaning the interindividual variability decreases when the system is on the pressure of a stimulus.Noteworthy, these information are different from those obtained with classical analyses. Our work describe also that this strategy leads to new hyptotheses. These indices are used for these analyses for the first time and can be added to the statistical and mathematical tools already available for transcriptome analysis. They show their capability for highlighting global but also individual modifications and therefore fits perfectly into the field of personalized medicine.