L'identification des facteurs aléatoires à inclure dans un modèle mixte linéaire est cruciale pour modéliser les structures de dépendance tout en évitant le sur-ajustement.  Alors que de nombreuses approches ont déjà été proposées pour la sélection de l'effet fixe, peu de travaux portent sur l'identification des composantes de variance non nulles. Cette tâche est plus difficile en raison des problèmes de bord découlant des contraintes dû aux matrices de variance-covariance définies positives. Dans le contexte bayésien, nous proposons d’étendre le prior horseshoe pour la sélection de composantes de la variance en présentant une version pliée (folded) de ce prior. Nous comparons les performances de ce prior à celles d’autres priors déjà étudiés dans ce contexte. Cette analyse est réalisée au travers de deux applications génétiques. La première est tournée sur l’identification de QTL à l’aide de matrices d’apparentement (IBD-QTL mapping), au travers d’un modèle "animal" chez le Palmier à huile. La seconde, de type cas d’école, s’intéresse à l’évolution au cours du temps de l’architecture génétique de la compacité des feuilles de l’espèce Arabidopsis thaliana, au travers d’un modèle à intercept et pentes aléatoires. Le temps est considéré comme un facteur groupant aléatoire.