La tremblante, une encéphalopathie spongiforme transmissible ou « maladie à prions », est d’un intérêt majeur dans les troupeaux ovins à cause de son fort impact économique et des campagnes réglementaires d’éradication auxquelles elle est soumise. Ses mécanismes de transmission ne sont encore que partiellement connus. Sa caractéristique principale est un facteur de susceptibilité génétique, lié au polymorphisme du gène PrP codant pour la protéine prion. La combinaison d’une longue période d’incubation infectieuse et l’absence de diagnostic ante-mortem font des cas cliniques les seules observations possibles de la maladie, très rapidement suivies de la mort de l’animal ou de son abattage. La modélisation est donc un outil de choix pour étudier la propagation de la tremblante dans un troupeau ovin. Pour sa flexibilité et son caractère intuitif, nous avons opté pour un modèle individu-centré stochastique, un modèle informatique relevant de l’approche multi-agents. Comme nous disposions de bonnes données de suivi pour un troupeau in- fecté (Langlade, INRA Toulouse), nous avons choisi de ne modéliser que les processus épidémiologiques, contamination et incubation. La démographie est directement issue des données. Nous avons ainsi développé un simulateur sous Java doté d’une interface graphique conviviale. Les données de suivi de troupeau nous ont permis d’estimer les paramètres épidémiologiques du modèle individu-centré, grâce à une méthode d’optimisation reposant sur un algorithme de recherche aléatoire par écart-type adaptatif. Les premiers résultats sont encourageants. Les valeurs des paramètres obtenues sont réalistes et en accord avec de précédentes études. Elles soulignent une forte diminution de la susceptibilité des animaux avant l’âge de un an. Les durées d’incubation mises en évidence sont peu variables, entre individus et entre génotypes. Il nous semble intéressant de prolonger cette étude, en affinant dans un premier temps nos résultats, puis en explorant plus avant différentes hypothèses et scénarios biologiques. Une analyse de sensibilité serait pertinente dans ce contexte. Une autre perspective serait de développer le simulateur en introduisant les processus démographiques dans le modèle, ce qui le rendrait moins dépendant aux données. Nous obtiendrions ainsi un outil de simulation convivial et flexible