Les courbes de fragilité sismiques représentent un outil d'aide à la décision essentiel dans le cadre des études probabilistes de sûreté. Elles quantifient la probabilité de défaillance d'une structure mécanique d'intérêt conditionnellement à une valeur scalaire appelée Mesure d'Intensité et extraite du signal sismique. Dans la littérature, les approches bayésiennes s'illustrent par leurs capacités à estimer ces courbes dans un contexte où peu de données sont à disposition. Cependant, la modélisation log-normale sur laquelle la plupart se reposent nécessite l'emploi de méthodes Monte-Carlo par chaînes de Markov dont le coût computationnel est élevé. Dans ce travail, nous proposons une modélisation efficace pour l'estimation de courbes de fragilité dans le canevas bayésien, basé sur un modèle basse fidélité de la réponse de la structure au signal sismique d'entrée et un prior objectif. L'expression analytique de notre modèle permet la génération rapide d'estimations a posteriori. Aussi, le biais de représentation issu du choix de modélisation est pris en considération, via la conception d'une méthodologie de planification d'expérience judicieuse. Enfin, notre méthode est évaluée sur un cas d'étude concret, et nos résultats mettent en avant son efficacité et sa capacité de s'affranchir avec robustesse de tout biais lorsqu'elle est couplée à la planification d'expérience que nous proposons.