Nous abordons ici le problème de l’estimation des paramètres des modèles standard de la recherche d’information sur de nouvelles collections pour lesquelles aucun jugement de pertinence n’est disponible. Pour cela, nous nous reposons sur des collections passées pour lesquelles des jugements de pertinence sont disponibles et introduisons une nouvelle représentation des requêtes indépendante de la collection considérée. À partir de cette représentation et des collections passées, nous apprenons une fonction de régression capable de fournir, pour une nouvelle requête, une valeur à chaque paramètre des modèles standard de la recherche d’information. Les expériences menées sur des collections standard montrent le bien fondé de l’approche suivie, qui fournit des résultats significativement meilleurs que ceux obtenus en utilisant les valeurs par défaut des paramètres ou en utilisant des jugements de pertinence sur la nouvelle collection.