Les processus biologiques sont nombreux et leurs interactions complexes. Les mesures de cesphénomènes génèrent des biomarqueurs multiples. Ainsi, l’épidémiologie doit évoluer dans cecontexte de données complexes et de nature multidimensionnelle. Les maladies du systèmeimmunitaire et les troubles immunologiques qui leur sont associés constituent un bon exemplede pathologies où les questions clinico-épidémiologiques sont de plus en plus complexes,nécessitant des méthodes biostatistiques et épidémiologiques adaptées. Dans cette thèsed’Université, des méthodes permettant de prendre en compte les difficultés méthodologiquesgénérées par les données d’immunologie sont présentées autour de trois applicationscliniques. Notre approche consiste en l’utilisation de méthodes intégratives qui prennent encompte l’ensemble des mesures concernant une pathologie donnée. Nous montrons l’intérêtde l’analyse en composantes principales et de la classification hiérarchique ascendante pourrésumer et extraire l’information de données multiples de cytométrie en flux et celui desmodèles d’équations structurelles pour l’étude de relations complexes entre variables lors deprocessus multifactoriels. Enfin, via l’exemple d’un modèle de reconstitution immunitaireasymptotique utilisant une fonction exponentielle, nous illustrons l’importance de s’appuyersur la structure même des données et sur la compréhension des mécanismes biologiques quisous-tendent la variabilité de ces données dans la réflexion qui concourt au choix d’un modèlestatistique. Les méthodes et la réflexion proposées dans cette thèse sont transposables àd’autres domaines d’application avec des données multiples complexes. / Numerous biological processes with potentially complex interactions exist. Measurements ofthese processes allow to produce multiple biomarkers. Thus, there is a need for epidemiologyto evolve within the context of complex and multidimensional data. Immune system diseasesand associated immune disorders are an example of a field where clinical and epidemiologicalissues are increasingly complex, requiring appropriate statistical and epidemiologicalmethods. In this thesis, methods taking into account methodological difficulties generated byimmunology data are presented through three motivating examples. The general paradigm ofour approach is to take into account all measurements on a given pathology using integrativemethods. We propose principal component analysis and hierarchical clustering to summarizemultidimensional cytometry data and structural equation modelling for dealing with complexrelationships between variables in multifactorial processes. Then, through the example of anasymptotic model of immune reconstitution using an exponential function, we illustrate theimportance about the data’s structure and the biological mechanisms underlying its variabilitywhen building a mathematical model. The methods and the thinking advocated in this thesisare transposable to other research domains with complex data.