La connaissance de la structure tridimensionnelle des protéines est essentielle pour comprendre leur fonction. Devant la complexité de l'obtention expérimentale de ces informations, la mise au point de méthodes permettant leur prédiction à partir des séquences en acides aminés est un défi majeur. Par ailleurs, dans ce contexte, l'étude des boucles est particulièrement importante car leur rôle fonctionnele est prépondérant et leur structure tridimensionnelle particulièrement variable. Nous proposons une méthode reposant sur l'encodage des structures 3D par alphabet structural. Cette méthode comporte une première étape de prédiction locale d'une lettre structurale à partir de quatre acides aminés par une méthode d'arbre. La prédiction est ensuite affinée en tenant compte des informations telles que les ressemblances entre lettres structurales et la succession non aléatoire des lettres dans les séquences. Un modèle de Markov caché est utilisé dans ce but. La méthode sera testée sur une large base de données de boucles contenant un jeu d'apprentissage ainsi qu'un jeu de validation.