Dans le contexte de la chimiométrie, l’analyse des données métabolomiques constitue un champ d’application en plein essor. La métabolomique génère en effet de grands volumes de données pour lesquelles les techniques statistiques doivent être adaptées (volumétrie, multi-colinéarité, nombre d’individus très inférieur au nombre de variables, …). Dans cet exposé, nous nous intéresserons à une structure particulière de données métabolomiques : celle des données trois voies. Ce type de données peut être directement issu des technologies employées (par exemple en chromatographie couplée à la spectrométrie de masse). La prise en compte d’une dimension temporelle (des prélèvements successifs pour un même individu) engendre également des données trois-voies, appelées aussi ternaires, tensorielles ou encore à trois entrées. Nous présenterons tout d’abord ce type de données ainsi que les structures associées.
En combinant une synthèse de travaux méthodologiques et des applications sur des jeux de données métabolomiques, nous développerons ensuite différentes méthodes de traitement des données trois-voies. Nous nous placerons d’abord dans un contexte non supervisé en montrant comment ces techniques généralisent l’analyse en composantes principales au cas des données trois-voies. Nous présenterons principalement deux modèles : Parafac et Tucker en détaillant à la fois les critères et les algorithmes. Dans un second temps, nous nous intéresserons au cadre de la discrimination. Cette problématique est relativement récente dans le cas de données trois voies. Parmi les travaux, nous détaillerons la NPLS proposée par R. Bro. Certaines limites de la NPLS dans le contexte des données métabolomiques seront dégagées. Nous proposerons finalement une alternative relativement simple à la NPLS, cette alternative reposant sur une approche exploratoire.