Les méthodes d’apprentissage automatique (AA) sont de plus en plus utilisées dans les offices nationaux de statistique et les organismes chargés d’enquêtes, principalement pour produire des prédictions à différentes étapes d’une enquête. Ce cours explique comment utiliser ces prédictions pour une inférence valide sur population finie. Nous abordons l’estimation assistée par modèle et l’imputation pour la non-réponse partielle; pour la non-réponse totale, nous examinons ce que l’AA  change pour la pondération par l’inverse de la probabilité, ce qui est actuellement justifié, ce qui ne l’est pas, et pourquoi. Les thèmes incluent les estimateurs standards et doublement robustes, l’estimation de la variance avec cross-fitting, et des intervalles de confiance asymptotiquement valides. Des aspects pratiques, tels que la sélection des hyperparamètres et la troncature des poids, seront également discutés. À l’issue du cours, les participants disposeront d’un ensemble d’outils à jour pour une inférence valide lorsque des prédictions issues de l’AA sont utilisées dans les enquêtes, ainsi que d’une vision claire des principaux problèmes ouverts liés à la non-réponse totale.