Le modèle de Mallow-Bradley-Terry est très souvent utilisé pour l'analyse des données de préférence lorsqu'il s'agit d'étudier le classement simultané de q objets selon un critère de préférence. En nous fondant sur la remarque que le modèle de Mallows-Bradley-Terry est une famille exponentielle courbe, nous montrons dans ce travail que les paramètres du modèle de Mallows-Bradley-Terry peuvent être estimés par le maximum de vraisemblance et nous proposons un algorithme pour la mise en oeuvre de cette méthode lorsque le nombre d'objets n'est pas élevé (inférieur à 10 pour les classements sans-ex-aequo). Lorsque le nombre d'objets à classer est supérieur à 10 nous proposons un algorithme qui fait appel à l'évaluation du gradient de la vraisemblance par ume méthode de Monte Carlo par Chaines de Markov. Des résultats de simulations seront présentés pour l'évaluation des performances des algorithmes proposés