Cette thèse porte sur la recherche d'un modèle statistique adapté à l'analyse de données longitudinales rencontrées dans le domaine environnemental. L'approche générale est basée sur le modèle linéaire mixte stochastique. Nous proposons une extension de ce modèle par l'utilisation des techniques sémiparamétriques, en particulier les splines cubiques pénalisées. Des méthodes d'estimation adaptées au modèle mixte sémiparamétrique stochastique sont proposées. Des simulations sont ensuite effectuées pour l'évaluation des performances des estimateurs construits.<br />Dans une deuxième partie, une extension de la méthode d'influence locale de Cook au modèle mixte modifié est proposée, elle fournit une analyse de sensibilité permettant de détecter les effets de certaines perturbations sur les composantes structurelles du modèle. Quelques propriétés asymptotiques de la matrice d'influence locale sont exhibées.<br />Enfin, le modèle proposé est appliqué à deux jeux de données réelles : une analyse des données de concentrations de nitrates issues de différentes stations de mesures d'un bassin versant, puis une analyse de la pollution bactériologiques d'eaux de baignades.

Lors de l'analyse des données recueillies dans le cadre de projets de recherche clinique, les modèles statistiques intègrent habituellement de manière homogène l'information apportée par l'ensemble des observations. Les estimations obtenues peuvent cependant être modifiées par un nombre restreint voire par une seule observation, illustrant leur influence différente. Les mesures d'influence individuelle ont été proposées pour la quantifier, à la fois dans le but de détecter lesinfluences et de mieux comprendre également les modèles auxquels elles s'appliquent. L'objet de ce travail est d'évaluer l'influence individuelle dans le cadre de modèles statistiques récents. La première partie propose une mesure de l'influence individuelle locale pour le modèle de régression du risque instantané associé à la fonction d'incidence cumulée proposé par Fine et Gray pour l'analyse de données censurées en présence de compétition. La seconde partie du travail cherche à mettre en évidence l'influence individuelle des premiers sujets inclus dans un essai séquentiel de recherche de dose de phase I ou II utilisant la méthode de réévaluation séquentielle (MRS). Une adaptation de la MRS permettant de diminuer l'influence des premiers individus est enfin proposée.