Les donn´ees de rang proviennent d'un processus de tri dont la nature est généralement inaccessible au statisticien. Faisant l'hypothèse que ce tri repose sur la comparaison entre paires d'objets et que par ailleurs le processus retenu vise à en minimiser le nombre, l'algorithme de tri par insertion s'impose comme l'un des meilleurs candidats. Par l'introduction d'une erreur de Bernoulli sur les comparaisons de paires, on obtient une modélisation générative probabiliste des données de rang dont une des originalités est de dépendre de l'ordre de présentation initiale des objets à classer. En fonction des hypothèses d'échantillonnage relatives à cet ordre de présentation (inconnu), plusieurs modèles réalistes sont obtenus. Des expériences numériques sur des données réelles permettent de comparer ces modèles avec le modèle standard Phi de Mallows.