En statistique bayésienne, le raisonnement conditionnel probabiliste fonde la solidarité étroite entre modélisation et inférence. Dans le cadre de ce raisonnement, un rôle pivot est joué par les variables latentes. Ce mode de raisonnement peut s’avérer utile aussi en statistique fréquentiste. On présente trois séries hydrométéorologiques d´écrites par des modèles de processus ponctuels marqués de complexité croissante. Sur ces exemples, on montre comment récolter les fruits de la souplesse de modélisation et des facilités de calcul apportées par les variables latentes. Ces variables améliorent la conceptualisation de variables de structure dans les modèles statistiques et permettent aux calculs d’inférence de bénéficier des algorithmes MCMC en relation avec les techniques «d’augmentation de données».