L'accessibilité croissante des données biologiques dites à haut-débit a suscité de profondes remises en cause de méthodes statistiques aussi éprouvées que les tests multiples. En effet, le contrôle des taux d'erreurs nécessite des approches adaptées aux données en grande dimension et présentant une structure de corrélation importante. Nous proposons un cadre général permettant la prise en compte de la dépendance dans les Procédures de Tests Multiples, en considérant un modèle d'Analyse en Facteurs (voir Friguet et al. [2009]). Plus particulièrement ici, nous présentons l'intérêt de ce cadre conditionnel pour estimer un paramètre clé des PTM noté pi0, la proportion d'hypothèses nulles, qui intervient dans le contrôle des taux d'erreur. Les méthodes sont illustrés à partir de données issues de biopuces.