Les forêts de la Côte-Nord sont soumises à des cycles de feu relativement longs, ce qui est principalement attribuable au régime de précipitations du climat maritime humide. Les perturbations secondaires jouent alors un rôle important dans l'établissement de la structure des forêts, favorisant la formation de structures irrégulières. Cependant, la carte écoforestière, outil qui sert à la planification de l'aménagement forestier, ne contient pas d'information sur la structure des peuplements forestiers, ce qui rend impossible l'identification des peuplements irréguliers dans le but de leur appliquer des traitements sylvicoles adaptés. Des analyses de groupements ont été conduites sur les données d'inventaire provenant des 103 peuplements forestiers inventoriés afin de les regrouper selon leurs ressemblances. Les résultats ont permis d'identifier six types se distinguant par la composition en essences, l'état des arbres et la structure des peuplements qui les composent. La carte écoforestière ne permet pas de prédire la structure des peuplements, mais la photo-interprétation fine offre des meilleures capacités prédictives. / Forests of the Côte-Nord region often show irregular stand structures, mainly due to the precipitation regime of the humid climate. Indeed, because of the long fire cycle of this region, forest stand structure is driven by small-scale rather than large-scale disturbances. Forest inventory maps produced by the Québec Ministry of Natural Resources are used by forestry practitioners for the planning of silvicultural treatments. However, these maps do not include forest stand structure information, making it impossible for the foresters to identify forest stands that can be harvested following an uneven-aged management System. Cluster analysis was applied to the 103 sampled forest stands and the results suggest the presence of six different types which differ in composition, structure and tree vigour. Further analyses suggest that the forest inventory map cannot be used to predict forest stand structure, but a fine photo interpretation improves the prediction accuracy.