Le plan en deux phases est une approche rentable utile lorsque mesurer certaines variables auprès de tous les participants d'étude est prohibitif. Dans un premier temps, des réponses et des variables peu coûteuses sont collectés auprès de tous les participants. Ensuite, les individus sont sélectionnés sur la base de ces seules données et les variables coûteuses sont mesurées. Nous proposons une nouvelle approche semi-paramétrique du maximum de vraisemblance pour faire des inférences dans les études en deux phases avec des réponses ordinales. Nous considérons quatre modèles, à savoir les probabilités proportionnelles, la catégorie adjacente, le ratio d’arrêt et la régression stéréotypée. Notre objectif est d’identifier les fractions d’échantillonnage qui minimisent la variance asymptotique du paramètre d’intérêt par le biais de techniques d’optimisation stochastique et sous contrainte. Nous comparons les performances des quatre modèles ordinaux étudiés pour les fractions d’échantillonnage optimales par rapport à l’échantillonnage aléatoire simple et aux plans équilibrés. Nous évaluons les méthodes proposées dans des simulations approfondies et illustrons l’application sur une étude de l’arthrose du genou.