Le paludisme est un problème de santé mondial dévastateur qui a touché 219 millions de personnes et causé 660 000 décès en 2010. Une estimation inexacte du niveau d'infection peut avoir des conséquences cliniques et thérapeutiques néfastes pour les patients, ainsi que pour les mesures des paramètres épidémiologiques. Le niveau d'infection, exprimé par la densité parasitaire (DP), est classiquement défini comme le nombre de parasites asexués par microlitre de sang. La microscopie de frottis sanguins épais colorés au Giemsa (TBS) est l'étalon-or pour le dénombrement des parasites. Les parasites sont comptés dans un nombre prédéterminé de champs à haute puissance (HPF) ou par rapport à un nombre fixe de leucocytes. Les méthodes d'estimation du DP font généralement intervenir des valeurs seuils ; soit le nombre de leucocytes comptés, soit le nombre de HPF lus. La plupart de ces méthodes supposent que (1) la distribution de l'épaisseur du TBS, et donc la distribution des parasites et des leucocytes dans le TBS, est homogène ; et que (2) les parasites et les leucocytes sont distribués uniformément dans les TBS, et peuvent donc être modélisés par une distribution de Poisson. La violation de ces hypothèses entraîne généralement une surdispersion. Premièrement, nous avons étudié les propriétés statistiques (erreur moyenne, coefficient de variation, taux de faux négatifs) des estimateurs de DP des techniques de comptage à seuil couramment utilisées et évalué l'influence des seuils sur le rapport coût-efficacité de ces méthodes. Deuxièmement, nous avons constitué et publié le premier ensemble de données sur le nombre de parasites et de leucocytes par HPF. Deux sources de surdispersion des données ont été étudiées : l'hétérogénéité latente et la dépendance spatiale. Nous avons pris en compte l'hétérogénéité non observée dans les données en considérant des modèles plus flexibles qui permettent la surdispersion. Nous nous sommes particulièrement intéressés au modèle binomial négatif (NB) et aux modèles de mélange. La structure dépendante des données a été modélisée par des modèles de Markov cachés (HMM). Nous avons trouvé des preuves que les hypothèses (1) et (2) sont incompatibles avec les distributions de parasites et de leucocytes. Le NB-HMM est le modèle le plus proche de la distribution inconnue qui génère les données. Enfin, nous avons conçu une procédure de lecture réduite du DP qui vise à une meilleure optimisation opérationnelle et à une évaluation pratique de l'hétérogénéité de la distribution des parasites et des leucocytes dans les TBS. Un processus de demande de brevet a été lancé et un prototype de développement du compteur est en cours.