Nous abordons ici le problème de l’estimation des paramètres d’un mod`ele compartimental qui d´ecrit la distribution postprandiale de l’azote alimentaire chez l’homme apr`es l’ingestion d’un repas prot´eique. Un tel probl`eme (i.e., un probl`eme inverse classique) n´ecessite l’optimisation d’une fonctionnelle de coˆut mesurant la qualit´e de l’ajustement des pr´edictions du mod`ele `a un jeu de donn´ees exp´erimentales. Dans notre cas particulier, les techniques classiques d’optimisation locale par m´ethodes de gradient s’av`erent incapables de trouver une solution satisfaisante au probl`eme inverse, en raison du grand nombre de paramètres `a estimer, de la forte non-linéarité de la fonctionnelle de coût et du peu de données expérimentales accessibles chez l’homme. Dans ce contexte, notre stratégie a consisté à développer une méthode de calibration qui utilise le maximum d’information disponible sur le comportement du système, de manière à diviser le problème inverse de grande taille en plusieurs sous-problèmes de taille plus réduite, pour lesquels une variante de la méthode du simplexe de NelderMead (NM) s’ avère efficace. Cette méthode de calibration permet d’obtenir des valeurs proches des valeurs optimales pour la plupart des paramètres du modèle, que les données expérimentales injectées dans la fonction objectif soient bruitées ou non. A partir des valeurs de paramètres ainsi estimées, il est désormais possible de simuler de manière satisfaisante l’évolution temporelle de tous les compartiments du modèle physiologique, lequel constitue un outil permettant d´écrire et d’expliquer les différents phénomènes dynamiques impliqués dans l’utilisation métabolique des protéines alimentaires chez l’homme.