L'estimation des paramètres d'un système dynamique non linéaire constitue un défi majeur dans de nombreux domaines de recherche et d'application. Dans ce contexte, ce papier présente une nouvelle méthode en deux étapes pour estimer les paramètres qui régissent la dynamique latérale d'un véhicule, en tenant compte de la rareté et du bruit des données. La méthode combine le lissage par spline des observations du système avec une approche bayésienne pour estimer les paramètres. La première étape de cette méthode consiste à appliquer un lissage par spline aux observations des variables d'état du système. Cette étape permet de filtrer le bruit présent dans les données et d'obtenir des estimations précises des dérivées des variables d'état du système. Ainsi, la méthode proposée permet d'estimer les paramètres directement à partir des équations différentielles décrivant la dynamique du système, sans recourir à des méthodes d'intégration chronophages. La deuxième étape repose sur l'estimation des paramètres à partir des résidus des équations différentielles, en utilisant une approche bayésienne appelée likelihood-free ABC-SMC. Cette approche bayésienne présente plusieurs avantages. Tout d'abord, elle permet de pallier la rareté des données en incorporant des connaissances a priori sur les caractéristiques physiques du véhicule. De plus, elle offre un niveau élevé d'interprétabilité en fournissant une distribution a posteriori sur les paramètres susceptibles d'avoir généré les données observées. L'utilisation de cette nouvelle méthode présente l'avantage de permettre une estimation robuste des paramètres de la dynamique latérale du véhicule, même lorsque les données sont limitées et bruitées.