La sélection des modificateurs d’effet est importante dans la modélisation des effets hétérogènes du traitement. Lors de cette sélection, la quantification de l’incertitude statistique est compliquée en raison de l’inférence post-sélection. La sélection étant effectuée à partir d’un seul échantillon de données, les procédures d’inférence naïve présentent un surajustement et produisent généralement un taux d’erreur de type I élevé. Nous proposons une procédure d’inférence post-sélection universelle (UPoSI) pour le G-estimateur pénalisé récemment mis au point, qui réalise une estimation doublement robuste de l’effet causal d’une exposition variable dans le temps avec une sélection simultanée de modificateurs d’effet adaptée aux données, en utilisant des données d’observation longitudinales. Nous réalisons une étude de simulation pour comparer les taux de fausse couverture empiriques produits par la méthode proposée avec ceux obtenus par la procédure d’inférence naïve basée sur les estimations de la variance sandwich. Nous illustrons notre méthode avec les données d’une étude sur l’hémodiafiltration.