L'analyse de survie concerne la modélisation des délais de réalisation d'un unique événement. Dans de nombreuses situations cependant, les individus sont soumis à plusieurs causes d'événement exclusives, définissant un cadre dit de risques concurrents ou compétitifs. <br />Ce travail de thèse a porté sur l'étude de modèles de régression dans ce cadre. Deux approches ont été envisagéés, l'une basée sur la fonction de risque instantané cause-spécifique et l'autre sur la <br />fonction de risque instantané associée à la fonction d'incidence cumulée (ou fonction de risque de sous-répartition). Dans les deux cas, nous avons considéré une formulation à risques proportionnels, c'est à dire un modèle de Cox dans le premier cas, et un modèle de Fine & Gray dans le second cas. <br />Dans un premier temps, l'implication d'un choix de modélisation a été étudiée dans le cadre de la planification d'un essai clinique ou d'une étude pronostique. Nous avons alors developpé<br />une formule de calcul du nombre de sujets nécessaire pour le modèle de Fine & Gray. <br />Puis, les conséquences d'un modèle mal spécifié pour la fonction de risque de sous répartition ont été evaluées, en étudiant l'influence sur l'estimation du paramètre de régression dans le modèle de Fine & Gray quand le vrai modèle est un modèle à risques proportionnels pour la fonction de risque cause- <br />spécifique. Nous avons ensuite étudié les implications de l'inclusion de covariables dépendantes du <br />temps dans le modèle de Fine & Gray. <br />Enfin, nous avons présenté une synthèse didactique sur la <br />stratégie d'utilisation des approches présentées dans ce travail de thèse.