Pour répondre à la demande mondiale croissante en huile et en protéines, le tournesol apparaît comme une culture très compétitive grâce à la diversification de ses débouchés et son attractivité environnementale et nutritionnelle. Pourtant, les teneurs en huile et protéines sont soumises à des effets génotypiques et environnementaux qui les rendent fluctuantes et difficilement prédictibles. Nous argumentons qu’une meilleure connaissance des effets les plus importants et leurs interactions devrait permettre de mieux prédire ces teneurs. Deux approches de modélisation ont été développées. Dans la première, trois modèles statistiques ont été construits puis comparés à un modèle simple existant. L’approche dynamique est basée sur l’analyse des relations source-puits au champ et en serre (2011 et 2012) pendant le remplissage. Les performances et domaines de validité des deux types de modélisation sont comparés. / Considering the growing global demand for oil and protein, sunflower appears as a highly competitive crop, thanks to the diversification of its markets and environmental attractiveness and health. Yet the protein and oil contents are submitted to genotypic and environmental effects that make them fluctuating and hardly predictable. We argue that a better knowledge of most important effects and their interactions should permit to improve prediction. Two modeling approaches are proposed: statistical one, where we compared three types of statistical models with a simple existing one. The dynamic approach is based on source-sink relationships analysis (field and greenhouse experiments in 2011 and 2012) during grain filling. Performances of both modeling types and their validity domain are compared.