L’étude de la qualité de vie relative à la santé est un objectif prioritaire des essais cliniques en cancérologie pour évaluer l’efficacité d’une prise en charge ; elle est mesurée par le biais d’auto-questionnaire. Dans ce travail, nous proposons différentes modélisations statistiques pour l’analyse longitudinale de ce critère, ainsi que leur application sur des données issues de plusieurs essais cliniques. Une première partie présente les modèles issus de la théorie de réponse à l’item (IRT) pour réaliser une analyse longitudinale directement sur les données brutes (multi-réponses ordinales) et ce par dimension. Une fois replacés dans le contexte des modèles linéaires généralisés mixtes, une sélection conceptuelle de modèles IRT a conclu que le Graded response model semble le mieux adapté. Dans une seconde partie, nous proposons un modèle à équation structurelle permettant de prendre en compte conjointement l’aspect multidimensionnel et longitudinal de la qualité de vie. À l’aide de facteurs reflétés par des ensembles de variables observées, il permet de lier à chaque temps de mesure toutes les observations issues du questionnaire, tout en considérant également des variables explicatives. L’analyse longitudinale est réalisée sur le statut global de santé et les facteurs réduisant ainsi le nombre de tests. Enfin, une approche par mélanges de modèles mixtes est proposée pour obtenir des classes latentes à partir de trajectoires de qualité de vie. Cette approche a permis de caractériser des sous-populations homogènes et d’associer différente évolution de la qualité de vie suivant des profils particuliers de patients. / The health-related quality of life is a major objective in oncology clinical trials to improve patients’ care and better evaluate the impact of the treatments on their everyday life. Auto-questionnaires are usually used to measure this endpoint. In this work, different statistical models for the longitudinal analysis of health-related quality of life in oncology are proposed and applied to clinical trial data. First, we present different models derived from the item response theory (IRT) to achieve a longitudinal analysis directly on raw data (multi-response outcomes) for each dimension. Within the generalized linear mixed model background, a conceptual selection of the IRT models concluded that the graded response model seems to be the most suitable. Then, we propose a structural equation model which allows taking into account the multidimensional nature of data at each time and the longitudinal aspect induced by the repeated measurements. At each measurement time, the model allows to link all the observed variables issued from the questionnaire given explanatory variables. Two factors are estimated, each summarizing a set of observed variables. The longitudinal analysis is performed on the global health status and on the factors, thus reducing the number of tests. Finally, an approach based on a mixture of mixed models is used to obtain latent classes from quality of life trajectories. The approach has resulted in the identification of homogeneous subpopulations and their latent trajectory according to specific patient profiles.