Nous considérons un problème en sciences actuarielles, dans lequel nous avons M compagnies d'assurance (échantillons) et K groupes d'assurés. Nous voulons modéliser les arrêts de travail pour chaque groupe. Cependant, le label du groupe de chaque observation n'est pas définie avec certitude pour des raisons de confidentialité. Nous supposons que chaque compagnie d'assurance peut fournir la proportion de chaque groupe dans sa base de données. Dans ce cas, nous allons comparer deux estimateurs de Kaplan-Meier différents pour les modèles de mélange. Nous mesurons la perte d'information lors de la modélisation des arrêts de travail avec des modèles de mélange à poids variable dans des modèles de durée censurés, en comparant les méthodes de Ryzhov et de Maiboroda, en utilisant à la fois des simulations et des données empiriques. Le choix des poids semble avoir un impact sur la qualité de l'estimation. Nous avons constaté que l'estimateur de Ryzhov donne généralement de meilleurs résultats, surtout dans le cas où les poids sont assez proches. Mais lorsque les poids sont plus éloignés, c'est l'estimateur de Maiboroda qui devient le meilleur, surtout dans le cas d'une forte censure. En utilisant des données empiriques, l'estimateur de Maiboroda semble également donner de meilleurs résultats.