Dans l’analyse des données de survie en grappes provenant d’études familiales avec des covariables manquantes, les méthodes actuelles d’imputation multiple (IM) ne gèrent pas la structure hiérarchique des données et la vérification des familles, notamment lorsque le temps écoulé jusqu’à l’événement et les informations sur le probant dans une étude génomique doivent être conditionnés lors de l’échantillonnage de la distribution des données manquantes. Nous proposons une méthode de maximisation de l’espérance de Monte Carlo (MCEM) et l’adaptons ensuite en une méthode IM tenant compte de la structure familiale et des informations sur le probant à l’aide de la matrice de parenté. Grâce à des simulations de données de survie regroupées par famille avec des covariables manquantes au hasard (MAR) et à une application aux familles de cancer du sein recrutées dans les registres familiaux du cancer du sein avec des données manquantes sur le SRP et le statut du gène de mutation, notre étude vise à évaluer l’efficacité de la méthode proposée en comparant ses performances à celles d’une analyse de cas complète.