Ce projet s'inscrit dans un projet qui vise à exploiter des données de séquençage d'ADN circulant tumoral (ctDNA). Le ctDNA est de l'ADN extra-cellulaire de cellules cancéreuses libéré dans le sang. Ces observations de ctDNA sont indirectement liées aux tailles des différentes populations de cellules dans la tumeur, notamment les cellules sensibles et les cellules résistantes à une thérapie ciblée. Dans ce contexte, les médecins souhaitent, par exemple, se servir de ces observations afin de prédire une résistance ou non à une thérapie ciblée, chez des patients souffrant de cancers solides. Notre travail s'inscrit dans cette problématique de modélisation et d'estimation pour le cancer. Nous avons mis en place les outils et les méthodes adaptés, en considérant le cas les plus simples des modèles de croissance tumorale de dimension 1. Pour appliquer ces modèles probabilistes à nos données réelles, il convient de définir avec soin comment estimer les paramètres. Une méthode classique d'estimation paramétrique des processus de diffusion est celle dite du ''maximum de vraisemblance'' à partir d'observations continues. Ces méthodes reposent sur des résultats avancés de calcul stochastique, tels le théorème de Girsanov.