Lors de cette présentation, nous présenterons un modèle bayésien hiérarchique permettant d'évaluer la capacité individuelle des joueurs de basketball à prendre des rebonds et de prédire conditionnellement la répartition des rebonds tant au niveau individuel qu'au niveau de l'équipe. Cette approche en deux étapes diffère des méthodes existantes en ce qu'elle permet d'identifier les joueurs qui aident leur équipe à obtenir les rebonds, indépendamment de leur total individuel de rebonds. Bien que similaire au populaire cadre Adjusted Plus-Minus d’évaluation de joueurs, notre méthode diffère des autres en ce qu'elle ne suppose pas que les contributions individuelles des joueurs sont directement additives sur l'échelle de la réponse. L'estimation des paramètres est effectuée à l'aide d'une approche de régularisation qui s'appuie sur des heuristiques spécifiques aux rebonds. Finalement, nous présenterons nos conclusions pour la saison 2020-2021 de la NBA et montrerons comment le fait de se fier exclusivement aux taux de rebonds individuels peut conduire à une mauvaise évaluation des capacités de rebond d'un joueur.