Lorsqu'une série ne prend qu'un nombre limité de valeurs entières, elle ne peut être approchée correctement par un modèle de séries chronologiques classiques à valeurs réelles. Les premiers modèles stochastiques à valeurs entières sont dus à McKenzie, Al-Osh et Alzaid. Ces modèles, appelés INAR (integer-valued autoregressive models) utilisent un opérateur d'amincissement basés sur des variables de Bernoulli. De par cet opérateur d'amincissement, ces modèles sont très restrictifs. Récemment, plusieurs auteurs ont proposés soit des extensions avec une dépendance plus complexe dans les variables de comptage, soit de nouveaux modèles à valeurs entières. Dans cette session, nous ferons une synthèse sur les approches existantes ainsi que des résulats très récents dans ce domaine