Contrairement à l’analyse ciblée des composés volatils du vin par chromatographie en phase gazeuse couplée à la spectrométrie de masse (GC-MS), les approches par GC-MS non ciblées prennent en compte les composés connus et inconnus. Ces méthodes sont plus rapides et fournissent une représentation plus complète de la composition de l’échantillon. Bien que plusieurs approches non-ciblées aient été développées, il y a encore une forte demande d’outils automatisés pour le traitement des données, en particulier pour les données multidimensionnelles complexes telles que celles de multiples chromatogrammes GC-MS. Ce travail visait à développer deux nouvelles approches chimiométriques pour l’analyse des données GC-MS non ciblées. Ces approches prennent en considération les décalages de temps de rétention entre les échantillons et rendent inutile l’intégration des pics. Elles ont été testées avec un jeu de données GC-MS simulées et un jeu de données GC-MS réelles d’échantillons de vin. De plus, l’une des deux approches GC-MS non ciblée a été combinée à la technique d’analyse sensorielle rapide de "projective mapping". Cette méthodologie a été utilisée pour étudier l’impact de la fermentation malolactique sur des vins issus du cépage Pinotage ainsi que l’effet de l’âge de la vigne, de la turbidité du moût et de la souche de levure sur l’arôme de vins de Riesling expérimentaux. / In contrast to targeted gas chromatography mass spectrometry (GC-MS) analysis of wine volatiles, non-targeted GC-MS approaches take information of known and unknown compounds into account, are faster, inherently more comprehensive and give a more holistic representation of the sample composition. Although several non-targeted approaches have been developed, there is still a great demand for automated data processing tools, especially for complex multi-way data such as chromatographic data obtained from multichannel detectors (e.g. GC-MS chromatograms of multiple samples). This work therefore aimed at the development of data processing procedures for non-targeted GC-MS analysis of volatile wine compounds. The two developed approaches use basic matrix manipulation of segmented GC-MS chromatograms and PCA or PARAFAC multi-way modelling. The approaches take retention time shifts between samples into account and avoid peak integration. A demonstration of the new fingerprinting approaches is presented using an artificial GC-MS data set and an experimental full-scan GC-MS data set obtained for a set of experimental wines. Results of the new approaches were also compared to a references method. Furthermore, the combination of one of the developed GC-MS fingerprinting approaches with the fast sensory screening technique projective mapping was exploited as a powerful approach to simultaneously study the volatile composition and the sensory characteristics of experimental wines. This methodology was used to study the impact of different malolactic fermentation scenarios on two different Pinotage wine styles and for a full factorial investigation of the impact of grape vine age, must turbidity and yeast strain on the aroma of Riesling experimental wines.