De nombreux algorithmes d'estimation fonctionnelle existent pour l'apprentissage statistique supervisé. Cependant, ils ont pour la plupart été développés dans le but de fournir des estimateurs précis, sans considérer l'interprétabilité de la solution. Les modèles additifs permettent d'expliquer les prédictions simplement, en ne faisant intervenir qu'une variable explicative à la fois, mais ils sont difficiles à mettre en ouvre. Cette thèse est consacrée au développement d'un algorithme d'estimation des modèles additifs. D'une part, leur utilisation y est simplifiée, car le réglage de la complexité est en grande partie intégré dans la phase d'estimation des paramètres. D'autre part, l'interprétabilité est favorisée par une tendance à éliminer automatiquement les variables les moins pertinentes. Des stratégies d'accélération des calculs sont également proposées. Une approximation du nombre effectif de paramètres permet l'utilisation de critères analytiques de sélection de modèle. Sa validité est testée par des simulations et sur des données réelles.

L'association entre le tabac et le cancer du poumon ou entre l'exposition professionnelle à l'amiante et le mésothéliome pleural ont largement été étudiées. Cependant, comme pour de nombreuses autres relations expositions prolongées-cancer, le rôle de l'intensité d'exposition tout au long de la vie a été peu étudié. La prise en compte de la variation de l'intensité au cours de la vie et de son effet dépendant du temps dans les analyses statistiques des données cas-témoins pose en effet quelques défis méthodologiques. Les objectifs de la thèse étaient 1) d'étudier l'effet dépendant du temps de l'intensité d'exposition au cours de la vie sur le risque de cancer et 2) d'identifier les profils de trajectoires d'intensité d'exposition sur la vie entière et comparer les risques de cancer associés. Pour répondre à ces deux objectifs, nous avons utilisé un indice cumulé d'exposition pondéré flexible déjà existant et nous avons développé un nouveau modèle conjoint à classes latentes, pour analyser les données de deux études cas-témoins françaises sur le mésothéliome pleural et le cancer du poumon. Les résultats montrent la contribution importante de l'intensité de la consommation de tabac récente pour le cancer du poumon et des expositions professionnelles anciennes à l'amiante pour les deux cancers. Ils confirment l'importance de considérer l'aspect temporel des expositions pour évaluer l'association avec le risque de cancer et illustrent l'intérêt des approches statistiques considérées. / The association between smoking and lung cancer or between occupational exposure to asbestos and pleural mesothelioma have been extensively investigated. Nevertheless, as for many protracted exposures-cancer relationships, the role of exposure intensity over lifetime has been rarely addressed. Accounting for individual variation of intensity over lifetime and investigating time-dependent effect in the statistical analysis of case-control data indeed raise several methodological issues. The thesis objectives were 1) to study the time-dependent effect of exposure intensity over lifetime on the risk of cancer and 2) to identify lifetime profiles of exposure intensities and to compare their associated risks of cancer. To address these objectives, we used an existing flexible weighted cumulative index of exposure and we developed a new joint latent class mixed model, to analyze the data from two French case-control studies on lung cancer and pleural mesothelioma. The results show the important contribution of recent smoking intensity for lung cancer and distant intensity of exposure to asbestos for both cancers. They confirm the importance of the timing of exposure in the association with the risk of cancer and illustrate the relevance of the proposed statistical approaches.