Dans cette thèse, nous introduisons des modèles de régression ”Gini-PLS”. Les algorithmes proposés combinent les propriétés des estimateurs relatifs aux régressions Gini et PLS. Les quatre modèles construits dans cette thèse permettent de résoudre simultanément les problèmes : de valeurs extrêmes (”outliers”), de multi-colinéarité, de faible taille de l’échantillon, de données manquantes, d’erreurs de mesure et d’endogénéité. En présence des problèmes cités, les modèles uni-variés (Gini-PLS1) sont robustes pour estimer une variable dépendante en fonction d’une ou plusieurs variables explicatives ; tandis que les modèles multi-variés (Gini-PLS2) servent à estimer une matrice de variables dépendantes en fonction d’une matrice de variables explicatives.Notre application dans le cadre de la thèse concerne l’estimation de contributions des variables technico-économiques aux inégalités des rémunérations pour les pays européens adhérents à la Politique Agricole Commune.Nous proposons deux approches de régressions basées sur les modèles Gini-PLS (RISD-Gini-PLS) pour estimer les contributions des variables technico-économiques (sources de revenus, superficies, main d’œuvre, etc.) aux inégalités des revenus agricoles pour les pays de l’union européenne avant et après les réformes de Mac Sharry et de l’accord de Luxembourg. / In this thesis we propose ”Gini-PLS” regressions. The proposed algorithms combine the properties of the estimators related to the Gini and PLS regressions. The four models built in this thesis solve simultaneously the problems of : extreme values (outliers), multicollinearity, small sample, missing data, measurement errors,and endogeneity. In presence of these problems, the univariate models (Gini-PLS1) are robust to estimate a dependent variable with one or more explanatory variables. While, the multivariate models (Gini-PLS2) are used to estimate a matrix of dependent variables with a matrix of explanatory variables.Our application in this thesis is the estimation of the contributions of technico-economic variables to the whole inequality of farm’s income for European countries acceding to the Common Agricultural Policy. We also propose Gini-PLS regressions approaches based on income source decomposition (RISD-Gini-PLS) to estimate the contributions of techno-economic variables (income sources, areas, labor, etc.) to the incomei nequalies of productions (total output crops and output livestock) for european countries.