Dans ce mémoire, nous tentons d’évaluer si le choix de profession a un effet sur l’espérance de vie à l’aide de techniques d’apprentissage automatique. Nous utilisons des arbres d’inférence conditionnelle (CTree) afin d’obtenir des courbes de survie Kaplan-Meier qui permettent de prédire des taux de mortalité en fonction des déterminants sociodémographiques qui ont le plus grand pouvoir explicatif. À l’aide des données ontariennes et québécoises du recensement de 1991 couplées aux enregistrements de la base canadienne de données sur la mortalité de 1991 à 2006 nous avons pu déterminer qu’il existe une corrélation entre le choix occupationnel et l’espérance de vie d’un individu pour certains groupes. Tel qu’attendu, l’algorithme a identifié le sexe de l’individu comme principal prédicteur de l’espérance de vie. Nous obtenons que l’éducation et le statut de natif sont, respectivement, les variables plus influentes chez les hommes et chez les femmes des deux provinces. / In this thesis, we try to assess the impact of occupational choice on life expectancy using machine learning techniques. We use Conditional Inference Trees (CTree) to obtain Kaplan- Meier survival curves that enable us to predict mortality rates regarding the influential sociodemographic features. Using the Québec and Ontario data from the 1991 census merged with the Canadian Mortality Database from 1991 to 2006, we observe a correlation between occupational choice and life expectancy for particular groups. As it was expected, we find that the primary predictor of life expectancy is the person’s sex. Education and Canadian-born status are respectively the most influential variable for men and women of both provinces