Dans le but d’optimiser sa politique d’investissement, toute compagnie d’assurances aimerait être en mesure de quantifier le retour sur sa stratégie en marketing. Une métrique bien déterminée qui donne une réponse presque directe à cette question est le nombre de nouvelles soumissions d’assurances générées pour chaque dollar investi en publicité dans un certain type de média. Certes les compagnies d’assurances possèdent généralement des données précises sur les soumissions reçues et les dépenses publicitaires hebdomadaires. Cependant, ces données sont de nature observationnelle, ce qui implique la présence d’une forte corrélation qu’on retrouve entre les dépenses publicitaires dans les différents médias avec les cycles du marché. De plus, il y a une forte saisonnalité et plusieurs facteurs confondants sociodémographiques, ce qui rend difficile et complexe l’estimation de l’effet causal des investissements en marketing. Dans ce mémoire, nous présentons des méthodes plus générales d’inférence causale à savoir la méthode du score de propension généralisé (GPS), la méthode des modèles de moyennes conditionnelles séquentielles (SCMMs) et la méthode du score de propension généralisé multivarié (MGPS) afin d’estimer le retour sur investissement d’un média donné tel que mesuré par le nombre de soumissions reçues par la compagnie d’assurances « ASSURE ». / In order to optimize its investment policy, any insurance company would like to be able to quantify the return on its marketing strategy. A well defined measure that gives a direct response to this question is the number of new insurance quotes generated for every dollar invested in advertising in every type of media. Admittedly, insurance companies have accurate data concerning the quotes received and their weekly advertising expenses. However, the data are observational, which implies a potential correlation between the advertising expenses in the different media with the market cycles. Furthermore, there is a strong seasonality and several socio-demographic confounding factors, which adds difficulty and complexity to the estimation of the causal effect of marketing investments. In this thesis, we present some general causal inferencial methodologies such as: the generalised propensity score (GPS) methodoly, the Sequential Conditional Mean Models (SCMMs) methodology and the multivariate GPS (MGPS) methodology in order to estimate the return on investment in a given media measured by the number of quotes received by the insurance company «ASSURE».