En pratique hospitalière, l'individualisation des schémas posologiques peut être réalisée grâce à une approche de modélisation utilisant la pharmacocinétique de population. L'approche de modélisation permet d'estimer les paramètres pharmacocinétiques individuels (PPKI) de chaque patient par méthode bayésienne grâce à un nombre limité de prélèvements. Pour garantir des estimations des PPKI les plus justes possibles, il est nécessaire de proposer une méthodologie permettant de maîtriser les grandes étapes de l'approche bayésienne, à savoir, (i) le choix du nombre de prélèvements ainsi que des instants de prélèvement ; (ii) la correction du biais induit par l'utilisation d'estimateurs bayésiens ; et (iii) le choix du modèle de pharmacocinétique de population. Le choix du nombre de prélèvement et la détermination des instants de prélèvement sont cruciaux pour la détermination des PPKI. En effet, certains instants ou certaines combinaisons d'instants sont plus informatifs que d'autres et permettent une meilleure estimation des PPKI. Nous avons proposé une méthodologie permettant de définir le nombre minimal de prélèvements à effectuer ainsi que les instants optimaux de prélèvement. Contrairement aux autres travaux publiés de longue date, la solution que nous proposons est non asymptotique ce qui est compatible avec le nombre restreint de prélèvement imposé dans le cadre de la pratique hospitalière (1, 2 ou 3 prélèvements maximum). Dans un second temps, nous nous sommes intéressés aux prédictions des PPKI fournies par les estimateurs bayésiens. En effet, par construction, ces estimateurs souffrent de shrinkage. Le skrinkage est un terme qui caractérise à la fois le biais et l'imprécision des prédictions des PPKI. Contrairement à des méthodes déjà publiées, notre approche à la fois débiaise et minimise l'imprécision ; ce qui n'a jamais été fait auparavant. En milieu hospitalier, les patients ont un profil PK usuellement éloigné du profil médian attendu, cette approche est donc particulièrement intéressante puisqu'elle permet de limiter des erreurs d'ajustement posologique. La troisième partie de la thèse porte sur le choix du modèle de pharmacocinétique de population. Dans le cadre du suivi thérapeutique pharmacologique, nous nous appuyons, bien souvent, sur des modèles de pharmacocinétique de population publiés dans la littérature pour proposer des adaptations de schéma posologique. Le choix du bon modèle de pharmacocinétique de population est donc crucial. A ce jour, le choix du modèle est fait selon les caractéristiques socio-biologico-clinico- démographiques du patient en s'assurant que ces caractéristiques soient en adéquation avec celles des patients ayant permis de construire le modèle. Dans le meilleur des cas, des VPC sont utilisées pour vérifier que les concentrations mesurées sont dans les intervalles des concentrations acceptables. Or, même si toutes les concentrations mesurées chez un patient appartiennent à l'intervalle de prédiction des VPC, de façon contre-intuitive la cinétique du patient peut être finalement incompatible avec le modèle testé. Notre objectif est de proposer une méthode qui permette, à l'aide d'une p-value, d'évaluer la probabilité que le profil dans son intégralité provienne effectivement du modèle testé. Le champ d'application de cette méthodologie est bien plus large puisque cette dernière permet également de valider les modèles lors de leur construction. En effet, si un grand nombre de profils cinétiques des individus utilisées pour construire un modèle ont une p-value très faible, cela signifie que le modèle n'est pas adéquat pour décrire ces cinétiques. Pour conclure, cette thèse propose des avancées méthodologiques permettant d'améliorer l'estimation des PPKI tout particulièrement pour une meilleure individualisation des schémas posologiques.