Dans un contexte de mobilité durable, le vélo en libre-service (VLS) représente un élément important dans les politiques de mobilité urbaine pour favoriser les modes doux dans le centre urbain. Son développement rapide dans le monde nécessite des recherches pour mieux comprendre le succès de ce mode de déplacement. Notre contribution à travers cette recherche est d’analyser les éléments socio-économiques importants ainsi que les caractéristiques du système VLS qui influent son usage pour construire des modèles de prédiction de la demande en VLS. Partant de l’hypothèse que les éléments socio-économiques autour des stations de VLS constituent des facteurs qualitativement et quantitativement explicatifs pour l’usage du VLS, notre démarche de recherche repose d’abord sur une analyse statistique, temporelle et spatiale des éléments explicatifs du système VLS pour ensuite les quantifier. Ces éléments sont utilisés pour modéliser la génération de la demande journalière en VLS par la méthode de régression linéaire multiple. Les modèles estimant les flux entrants et sortants journaliers en VLS ont été développés. Ils sont basés sur l’environnement socio-économique autour des stations et des variables d’offre de VLS. Ces modèles sont utiles pour comprendre le fonctionnement du système VLS, l’améliorer et estimer la demande des nouvelles stations dans une perspective d’élargissement d’un système VLS existant. Les modèles développés peuvent être également utilisés pour la localisation et le dimensionnement des stations d’un nouveau système VLS. La démarche de détermination, de quantification des variables explicatives et de modélisation forment un cadre de travail pour modéliser la demande d’autres modes de déplacement partagés. / In a context of sustainable transport, the bike sharing is an important factor in the policies to promote soft modes of transport in the urban center. Its rapid development in the world requires a need to deepen the usage of this mode of travel. Our contribution through this research is to analyze the important built-environment factors and the characteristics of bike sharing system that influence the use of bike sharing in order to build predictive models of demand for bike sharing. Assuming that socio-economic elements around the bike sharing stations are qualitatively and quantitatively explanatory for the use of bike sharing, our approach are based primarily on statistical analysis of temporal and spatial elements explaining bike sharing usage in order to determine and quantify the important built-environment variables. These variables are then used to model the generation of the daily demand of bike sharing using multiple linear regression method. The models estimating inflows and outflows of bike sharing using socioeconomic variables determined in a buffer area of each station are built. These models are useful for estimating the demand for new stations in an enlargement perspective of an existing bike sharing system or location and sizing of a new bike sharing system. The similar process of determination, quantification of the explanatory variables and modelling can be used to form a framework to predict the demand of other vehicle sharing systems.