L'évolution des concentrations de protéines caractérise le comportement d'un réseau de régulation génétique (GRN). Elle dépend de la connaissance de paramètres biologiques qui sont en pratique nombreux et difficiles d'accès. Nous proposons une méthode d'inférence de pa-ramètres biologiques de modèles discrets des GRN, s'appuyant sur l'adaptation des algorithmes de model checking LTL. Nous introduisons une structure paramétrée générique (PGRN). En ex-primant les connaissances biologiques sous forme de formules LTL, les valeurs des paramètres biologiques sont calculées à l'aide de contraintes caractérisant les cycles acceptants du produit entre un automate de Büchi et un PGRN. Nous illustrons notre méthode avec une étude de cas portant sur l'inductibilité de la cytotoxicité de la bactérie P. aeruginosa. ABSTRACT. The evolution of concentration levels of proteins characterizes the behavior of a genetic regulatory network (GRN). It depends on the knowledge of biological parameters, which are in practice numerous and difficult to know. We propose a method for inferring biological parameters of discrete models of GRN, by adapting algorithms of LTL model checking. We introduce a generic parameterized structure (PGRN). By expressing the biological knowledge in the form of LTL formulas, values of biological parameters become solutions of the constraints characterizing accepting cycles for the product of a Büchi automaton and a PGRN. We illustrate our method with a case study on the inducibility of the cytotoxicity of bacteria P. aeruginosa. MOTS-CLÉS : model-checking LTL, exécution symbolique, résolution de contraintes, modèles dis-crets de réseau de régulation génétique, Pseudomonas aeruginosa.