Nous analysons les essais séquentiels des distributions de flux de données multiples et nous proposons une formulation asynchrone et centralisée pour ce problème. Selon cette formulation, il est possible de prendre les décisions relatives aux différents problèmes d’essais à des moments différents et d’utiliser des données provenant de toutes les sources pour décider quand arrêter l’échantillonnage dans chaque flux et quelle hypothèse sélectionner pour le problème d’essais correspondant. Nous présentons une nouvelle procédure d’essai qui permet de contrôler les taux d’erreurs des types I et II globaux généralisés et de minimiser asymptotiquement la taille totale prévue de l’échantillon, simultanément dans toutes les configurations, lorsque les deux taux d’erreurs cibles deviennent nuls. Nous comparerons notre approche avec les approches actuelles, synchrones et décentralisées, puis nous l’illustrerons à l’aide d’études de simulation.