Le modèle de la courbe de croissance (MCG) est un modèle de régression bilinéaire multivarié, utile dans l'analyse des données longitudinales. Le modèle implique deux matrices de conception, la matrice de conception intra-individuelle représentant la structure moyenne et la matrice de conception interindividuelle modélisant les différences entre les groupes. Les données manquantes constituent l'un des défis de l'analyse des données longitudinales, y compris les MCG. Dans cette étude, nous avons examiné trois méthodes de traitement des données manquantes dans l'estimation des paramètres du MCG. Les méthodes ont été développées à l'aide d'un cadre multivarié, où la moyenne est supposée être structurée et représentée par des polynômes (par exemple en fonction du temps). Grâce à des simulations, nous avons comparé les performances des différentes méthodes, en utilisant des scénarios imitant des ensembles de données réels. Dans cette présentation, nous introduirons brièvement le MCG, discuterons des formulations mathématiques des méthodes de traitement des données manquantes, montrerons les résultats de notre étude de simulation et fournirons des illustrations à l'aide d'un ensemble de données réelles.