L’utilisation chronique d’opioïdes est associée à des méfaits graves tels que dépendance et surdosage. Ce mémoire vise à identifier les facteurs associés à l’utilisation chronique d’opioïdes dans une population adulte non atteinte de cancer et par là, à développer un modèle prédictif adapté à la pratique clinique. À partir des banques de données administratives du Québec (RAMQ), une étude de cohorte a été menée dans un échantillon aléatoire de 125,000 membres du régime général d’assurance médicaments (≥18 ans) ayant initié un opioïde entre le 1er janvier 2012 et le 31 décembre 2016. L'utilisation chronique a été définie par ≥90 jours consécutifs ou ≥120 jours cumulatifs pendant les 12 mois de suivi. Des modèles de régression logistique multivariés ont été effectués afin d’évaluer l’association entre les caractéristiques du patient ou du traitement et l’utilisation chronique. La performance prédictive des modèles a été évaluée par l’aire sous la courbe (AUC) de la «Receiver Operating Characteristic». Parmi les 124 664 nouveaux utilisateurs admissibles, 3,4% sont devenus utilisateurs chroniques et représentaient 51,1% des opioïdes délivrés à la cohorte. Le modèle prédictif le plus parcimonieux ayant une performance acceptable (AUC≥ 0,70) incluait: Durée de prescription initiale ≥30 jours et diagnostic associé à de la douleur chronique. De nombreux facteurs de risque d’utilisation chronique d’opioïdes ont été identifiés. Il est possible de prédire quels sont les patients qui évolueront vers une utilisation chronique uniquement à partir de la durée de l’ordonnance initiale et de l’indication. Ces prédicteurs seraient donc adaptés à la pratique clinique. / Chronic use of opioids can lead to well-known harms such as addiction and overdose. This thesis aims to identify the factors associated with chronic opioid use in the non-cancer adult population and thereby, to develop a predictive model adapted to clinical practice. Using the Quebec administrative databases (RAMQ), a cohort study was conducted in a random sample of 125,000 members of the public drug plan (≥18 years old) who initiated an opioid between 01 January 2012 and 31 December 2016. Chronic use was defined as ≥90 consecutive days or ≥120 cumulative days during the 12-month follow-up. Multivariate logistic regression models were performed to evaluate the association between patient or treatment characteristics and the likelihood of becoming a chronic user. The area under the curve (AUC) of the Receiver Operating Characteristic was used to evaluate the predictive performance of the models. Among the 124,664 new opioid users who were eligible, 3.4% transitioned to chronic use and accounted for 51.1% of all opioids dispensed to the cohort. The most parsimonious model with acceptable performance (AUC≥0.70) included the following factors: An initial dispensing of ≥30 days as well as a diagnosis associated with chronic pain. Many risk factors for chronic opioid use were identified. It is possible to predict which patients will transition to chronic use using the duration of the initial prescription and the indication. These predictors are therefore adapted to clinical practice.