Dans les analyses de survie traditionnelles, en ayant un suivi suffisamment long on suppose que chaque individu est à risque de développer un événement. Cependant, si l'événement considéré est par exemple une récidive de cancer, une fraction de la population dite " guérie ", ne va jamais rencontrer cet événement même après un très long suivi. Les modèles de mélange pourront d'une part permettre d'estimer cette fraction mais aussi la fonction de survie pour les patients susceptibles de développer une récidive. Ces modèles de mélange avec taux de guérison généralisent le modèle à risques proportionnels de Cox en tenant compte de l'existence d'une sous population qui n'est pas à risque de développer l'événement d'intérêt. Nous avons proposé des modèles de mélange à effets aléatoires. Les estimations ont été obtenues par la procédure NLMIXED du logiciel SAS pour des modèles de survie avec fonctions de risque constantes par morceaux. Contrairement au simple modèle à fragilité, les méthodes proposées semblent prometteuses pour modéliser des données de survie mutlivariées avec des survivants à long-termes. Les données de récidives de cancer du sein ont été utilisées.