La surveillance de l’influenza s’appuie sur un large spectre de données, dont les données de surveillance syndromique provenant des salles d’urgences. De plus en plus de variables sont enregistrées dans les dossiers électroniques des urgences et mises à la disposition des équipes de surveillance. L’objectif principal de ce mémoire est d’évaluer l’utilité potentielle de l’âge, de la catégorie de triage et de l’orientation au départ de l’urgence pour améliorer la surveillance de la morbidité liée aux cas sévères d’influenza. Les données d’un sous-ensemble des hôpitaux de Montréal ont été utilisées, d’avril 2006 à janvier 2011. Les hospitalisations avec diagnostic de pneumonie ou influenza ont été utilisées comme mesure de la morbidité liée aux cas sévères d’influenza, et ont été modélisées par régression binomiale négative, en tenant compte des tendances séculaires et saisonnières. En comparaison avec les visites avec syndrome d’allure grippale (SAG) totales, les visites avec SAG stratifiées par âge, par catégorie de triage et par orientation de départ ont amélioré le modèle prédictif des hospitalisations avec pneumonie ou influenza. Avant d’intégrer ces variables dans le système de surveillance de Montréal, des étapes additionnelles sont suggérées, incluant l’optimisation de la définition du syndrome d’allure grippale à utiliser, la confirmation de la valeur de ces prédicteurs avec de nouvelles données et l’évaluation de leur utilité pratique. / Surveillance of influenza relies on a wide array of data, including emergency department based syndromic surveillance data. An increasing number of variables are recorded in emergency department electronic records and are available for surveillance. The main objective of this research is to evaluate the potential utility of age, triage scores, and disposition data for enhanced monitoring of the burden of severe influenza cases. Data from a subset of Montreal hospitals was used, from April 2006 to January 2011. Pneumonia and influenza hospitalizations were taken as a measure of the burden of severe influenza cases, and were modeled using a negative binomial regression approach, taking into account seasonal and secular trends. Age-, triage score-, and disposition-stratified influenza-like illness visits improved the fit of predictive models for pneumonia and influenza hospitalization, as compared to overall influenza-like illness visits. Before integration of these variables into the Montreal surveillance system, additional steps are suggested, including the optimization of an influenza-like illness syndrome definition, the confirmation of the value of these predictors using new data, and the evaluation of their practical utility.