Ce tutoriel sera dédié à la gestion des données manquantes en statistique. Dans un premier temps, nous y présenterons le formalisme associé à la modélisation des données incomplètes et aborderons les différents types de données manquantes selon la typologie classique : missing completely at random, missing at random et missing not at random. Dans un second temps, nous présenterons comment ces données peuvent être convenablement analysées dans un cadre missing at random, et reviendrons en détail sur une méthode de référence : l'imputation multiple. Plus précisément, nous discuterons des différentes approches possibles pour imputer les données. Dans un troisième temps, nous évoquerons le cas particulier où les observations sont structurées en groupes en raison du processus de collecte. Nous terminerons par une mise en application des techniques d'imputation multiple via le package R mice.