Les centres germinatifs (CG) sont les structures histologiques dédiées à la génération et à la sélection des cellules B qui produisent des anticorps de haute affinité. Cependant, des dysfonctionnements inattendus dans les CGs peuvent provoquer l'apparition de différentes pathologies, y compris la transformation maligne de ces cellules. Comprendre les réseaux de régulation de gènes (RRG) qui orchestrent cette réponse est donc une tâche critique. Les RRG décrivent comment la séquence génomique code la régulation de l’expression des gènes qui sont responsables de la génération des multiples états de différenciation. L'inférence de ces RRG à partir des données d'expression des gènes est une tâche ancienne et difficile en biologie des systèmes. Les nouvelles technologies permettent de mesurer les niveaux d'ARNm dans des cellules individuelles, ce qui promet une augmentation significative de la précision des RRG, mais nécessite des modèles pertinents. L’objectif de la thèse consistait à évaluer l'utilisation d'un nouveau modèle stochastique de RRG construit à partir d'un couplage de processus de Markov déterministes par morceaux (PDMP) pour ajuster les données transcriptomiques de cellules individuelles provenant de la séquence de différenciation des cellules B de CGs chez l’homme. Nous avons montré que ce modèle PDMP, qui a été construit à partir du couplage de trois facteurs de transcription et de deux récepteurs de surface cellulaire, peut estimer qualitativement les distributions de l'ARNm à différents stades de la différenciation des cellules B de CGs. Un accord quantitatif partiel a été obtenu par le réglage systématique des paramètres, mais un accord quantitatif complet s'est avéré particulièrement difficile. Notre modèle PDMP permet d'évaluer la structure du RRG et, à l'avenir, pourrait permettre de mieux comprendre les différents types de dysfonctionnements des mécanismes de régulation, responsables de l’apparition de pathologies.