Dans les études diagnostiques, les chercheurs sont souvent confrontés à des normes de référence imparfaites avec certaines étiquettes mal classées. Le fait de les traiter comme des étalons de référence peut fausser l'analyse de la courbe ROC (receiver operating characteristic). Pour résoudre ce problème, nous proposons une nouvelle méthode basée sur la vraisemblance dans le cadre d'un modèle de rapport de densité non paramétrique. Cette approche permet une estimation fiable de la courbe ROC, de l'aire sous la courbe (AUC), de l'AUC partielle et de l'indice de Youden avec des propriétés statistiques favorables. Pour mettre en œuvre la méthode, nous développons un algorithme efficace de maximisation de l'espérance. Des simulations approfondies évaluent sa performance sur un échantillon fin, montrant des erreurs quadratiques moyennes plus faibles dans l'estimation de la courbe ROC, de la SSC partielle et de l'indice de Youden par rapport aux méthodes existantes. Nous appliquons l'approche proposée à une étude sur le paludisme.