Les caractéristiques des organismes peuvent évoluer de manière coordonnée, avec des schémas corrélés de gains et de pertes reflétant d’importantes associations évolutives. Les profils phylogénétiques considèrent les gènes individuels comme des traits distribués dans des ensembles de génomes et permettent d’identifier des gènes fonctionnellement liés ou un transfert latéral de gènes. Nous proposons le modèle de coévolution communautaire (MCC) pour analyser les associations évolutives de traits (gènes) basées sur les profils phylogénétiques, les traits évoluant comme une communauté avec des interactions, et le taux de transition pour chaque trait dépendant de l’état actuel des autres traits. Nous montrons que le MCC est plus efficace et s’adapte mieux aux données réelles que les autres méthodes, ce qui se traduit par des scores de vraisemblance plus élevés avec moins de paramètres. Nous introduisons en outre une méthode d’apprentissage automatique pour estimer les paramètres des MCC de grandes communautés et démontrons son efficacité à l’aide de simulations et de données réelles.