Ce travail a développé une nouvelle méthode pour l'identification et la quantification des peptides, par l'optimisation de certaines stratégies disponibles appropriées pour le marquage des peptides avec des métaux lanthanide, une séparation par nano-HPLC et détection UV, et suivi par MALDI MS. Tout d'abord, les peptides ont été marqués avec les trois métaux lanthanides différents et un réactif fonctionnel - DOTA. Les résultats montrent que la réaction de transformation en dérivé à l'aide du réactif chélateur DOTA-NHS-ester a été efficace pour des peptides individuels et des mélanges de peptides, vérifiées à partir de la relation m/z obtenue par MALDI MS. L'application optimisée d’un complexe (Cytochrome C digest) a montré des résultats comparables à ceux obtenus avec des peptides modèles. En parallèle, nous avons effectué l’optimisation pour la purification de métalloprotéine dans la bile de poisson, qui est signalée entant que biomarqueurs de contamination métallique de l'environnement. Des procédures différentes (différents moments de centrifugation et différentes températures de traitement thermique) et les agents (DTT, β-mercaptoéthanol et TCEP) réduisant ont été apliqués pour purifier les MT isolées de la bile et du foie des poissons (Oreochromis niloticus). Des analyses spectrophotométriques ont été utilisées pour quantifier les échantillons de MT, et le gel SDS-PAGE a été utilisé pour évaluer qualitativement les différents résultats de la procédure. Chaque procédure a en suíte été évaluée statistiquement, une méhtode des surfaces de réponse a été appliquée. Les MT de la bile semblent être plus adéquate pour la surveillance de l'environnement en ce qui concerne l'exposition récente à des xénobiotiques qui peuvent influer sur l'expression protéomique et metalloproteomique de cette matrice biologique. Une procédure d’exposition à des métaux dans le laboratoire a montré que les métaux étaient significativement importante pour l’évaluation de la contamination à partir de la quantification de MT, selon le traitement de données par une techinique de réseau neural. / This work developed a new method for the identification and quantification of peptides, by optimizing some of the available strategies suitable for labeling peptides with lanthanide metals with subsequent separation by nano-HPLC with UV detection, matrix-assisted laser desorption ionization-mass spectrometry (MALDI MS). First, peptides were labeled with the three different lanthanide metals using a functional DOTA-based reagent. The results demonstrate that the derivatization reaction using the chelating reagent DOTA-NHS-ester was effective for single peptides and peptide mixtures, verified from the m/z relation obtained by MALDI MS. The application of the optimized method in a more complex matrix (Cytochrome C digest) showed results comparable to those obtained with model peptides. In parallel, environmental analyses were conducted, by performing the standardization of metalloprotein purification in fish bile, since this matrix has been reported as a biomarker for environmental metal contamination. Different procedures (varying centrifugation times and heat-treatment temperatures) and reducing agents (DTT, β-mercaptoethanol and TCEP) were applied to purify MT isolated from fish (Oreochromis niloticus) bile and liver. Spectrophotometrical analyses were used to quantify the resulting MT samples, and SDS-PAGE gels were used to qualitatively assess the different procedure results. Each procedure was then statistically evaluated. A response surface methodology was applied for bile samples, in order to further evaluate the responses for this matrix. In an environmental context, biliary MT was lower than liver MT, and, bile MT seems to be more adequate in environmental monitoring scopes regarding recent exposure to xenobiotics that may affect the proteomic and metalloproteomic expression of this biological matrix. A procedure for exposure to metals in the laboratory showed that some metals are significantly important for the assessment of contamination from the quantification of MT, according to the data processing by atifical neural network (ANN).