[en] Animal breeding programs are designed to genetically improve livestock populations over many generations to enhance farm sustainability and competitiveness. Genetic improvement is achieved by selecting genetically superior animals, based on estimated breeding values, to be the parents of the next generation. These estimated breeding values are calculated by solving mixed model equations characterizing appropriate statistical genetic evaluation models. To guarantee effective genetic selection, genetic evaluation models must be tailored to the specific characteristics of the traits and population under evaluation. This PhD thesis focused on the development of genetic evaluation models suitable for categorical maternally influenced traits and for multi-breed populations. Appropriate genetic animal models were developed and assessed: (1) for two categorical maternally influenced traits based on calving ease scores from Walloon Holstein dairy cattle and on lamb survival data from a New Zealand sheep population; (2) for two multi-breed populations based on milk yield records of New Zealand purebred and crossbred dairy cattle, and on purebred and crossbred calving ease scores from Walloon Belgian Blue and Holstein cattle. Results showed that (1) fitting maternal effects was required to avoid biasing the estimated breeding values, and there was no clear advantage in using non-linear mixed models instead of linear mixed models for the genetic analysis of the two categorical maternal traits studied; (2) breed-dependent breeding values could be estimated using the proposed multi-breed models, and that combining purebred and crossbred data had a positive influence on the accuracy of the breeding values of purebred animals. Finally, part of the research presented in this thesis contributed to the development of the genetic evaluation systems currently used in Walloon Region of Belgium and in New Zealand. [fr] Les programmes de sélection animale sont conçus pour améliorer génétiquement les animaux d’élevage au fil des générations afin de renforcer la durabilité et la compétitivité des exploitations agricoles. L’amélioration génétique est obtenue en sélectionnant – sur base de valeurs d’élevage estimées – des animaux génétiquement supérieurs comme parents de la prochaine génération. Ces valeurs d’élevage estimées sont calculées en résolvant les équations du modèle mixte caractérisant des modèles statistiques appropriés d’évaluation génétique. Afin de garantir une sélection génétique efficace, les modèles d’évaluation génétique doivent être adaptés aux caractéristiques spécifiques des caractères et de la population à évaluer. Cette thèse de doctorat s’est concentrée sur le développement de modèles d’évaluation génétique adaptés aux caractères maternels et aux populations multi-races d’animaux d’élevage. Des modèles d’évaluation génétique ont été développés et testés: (1) pour deux caractères discrets maternellement influencés à partir de données relatives à la facilité de vêlage des bovins laitiers wallons de race Holstein, et de données relatives à la survie des agneaux d’une population de moutons de Nouvelle-Zélande; (2) pour deux populations multi-races à partir de données de production laitière de bovins laitiers purs et croisés de Nouvelle-Zélande, et de données relatives à la facilité de vêlage de bovins wallons de race Holstein et Blanc Bleu Belge et de leurs croisés. Les résultats ont montré: (1) qu’il était nécessaire de tenir compte des effets maternels afin de ne pas biaiser les valeurs d’élevage estimées, et qu’il n’y avait pas d’avantage particulier à utiliser des modèles mixtes non-linéaires plutôt que des modèles mixtes linéaires pour l’évaluation génétique des deux caractères discrets maternels étudiés; (2) que des valeurs d’élevage dépendantes de la race pouvaient être estimées au moyen des modèles multi-races développés, et que la combinaison des données d’animaux purs et croisés avait une influence positive sur la précision des valeurs d’élevage des animaux purs. Enfin, il est important de signaler qu’une partie de la recherche présentée dans cette thèse a contribué au développement de systèmes d’évaluation génétique utilisés en Région Wallonne et en Nouvelle-Zélande.
