Comme toute science en pleine croissance, la biologie a besoin pour s'affirmer, d'un outil précis et objectif. La résolution des problèmes biométriques fait de plus en plus appel à des notions de statistiques mathématiques peu habituelles dans ce domaine. L'analyse statistique à plusieurs variables, ou analyse multivariable, est l'un de ces outils et l'un des plus puissants. Quel que soit l'aspect sous lequel est étudiée l'analyse multivariable, on conserve l'idée de base suivante : un élément quelconque d'une population (par exemple les arbres appartenant à un même clone) est défini par un ensemble de caractères. Alors que chacun des caractères pris isolément suffit rarement à établir des critères valables de reconnaissance, l'ensemble, avec les liens qui peuvent exister entre ces caractères, permet une analyse plus fine. Un des champs d'application de l'analyse multivariable est constitué par l'étude des fonctions discriminantes qui font l'objet decet article : on cherche la meilleure relation linéaire des caractères d'origine pour séparer des populations. Le critère ainsi utilisé est absolument objectif. Après un rapide exposé théorique dans le casde deux populations, les résultats obtenus sont appliqués à des données expérimentales. Les résultats sont ensuite étendus à la séparation de plusieurs populations. L'aspect complémentaire est alors étudié : une fois les populations isolées, il est nécessaire, lorsqu'on retrouve un individu quelconque, de pouvoir le rattacher à une des populations préalablement définie. Un exemple est traité de cette façon. Enfin, d'autres possibilités d'utilisation sont suggérées. En annexe au texte, les résultats nécessaires à la compréhension de l'article sont rappelés ; ils concernent : le calcul matriciel et la loi normale à p dimensions. En outre, on utilise un test d'ensemble d'homogénéité cies matrices de dispersion.