Chaque année les infections nosocomiales touchent plus de 4 millions de patients en Europe, avec un impact important en termes de mortalité, de morbidité et de coût. Parmi ces infections, celles causées par des bactéries multi-résistantes aux antibiotiques (BMR) jouent un rôle majeur. La modélisation mathématique des épidémies est un outil essentiel qui permet de mieux comprendre la dynamique de diffusion des BMR et d’évaluer l’efficacité des mesures de prévention.L'objectif principal de ce projet est d'étudier la dynamique de propagation de BMR au sein d'un réseau d'hôpitaux, en prenant en compte différentes échelles : intra-service, inter-services et inter-hôpitaux. Il s'agit de mettre en place une recherche méthodologique basée sur la modélisation mathématique et informatique et validée par des données recueillies au sein du réseau de soins Paris Île de France Ouest (PIFO), afin de mieux comprendre le rôle joué par chaque hôpital dans l'émergence et la sélection de BMR, de quantifier le risque de leur dissémination (y compris dans la population générale), et d'identifier des mesures de contrôle efficaces. Ce travail s'appuiera sur des méthodes d'inférence statistiques, d'analyse de sensibilité et d'analyses d'incertitude. / Each year nosocomial infections affect more than 4 million patients in Europe, with a significant impact in terms of mortality, morbidity and cost. Of these infections, those caused by multi-resistant bacteria (BMR) play a major role. Mathematical modeling of epidemics is an important tool to better understand the dynamics of dissemination of BMR and evaluate the effectiveness of prevention measures.The main objective of this project is to study the BMR propagation dynamics within a network of hospitals, taking into account different levels: intra-ward and inter-wards and inter-hospitals. This is to establish a research methodology based on mathematical and computer modeling and supported by data collected in the Paris Île de France Ouest (PIFO), to better understand the role played by each hospital in the emergence and selection of BMR, to quantify the risk of their dissemination (including in the general population), and to identify effective control measures. This work will be based on statistical inference methods, analytical sensitivity and uncertainty analysis.