Les modèles maladie-décès sont couramment utilisés pour étudier les maladies chroniques caractérisées par plusieurs stades, où les sujets courent un risque non négligeable de mourir. Le cancer, le VIH et la maladie d’Alzheimer en sont des exemples. Lorsque l’état de la maladie ne peut être déterminé que par des évaluations périodiques, les temps d’entrée exacts dans chaque état sont inconnus. Notre objectif est d’utiliser les données multi-états tirées de l’observation intermittente, ainsi que des covariables de grande dimension, pour prédire conjointement la progression de la maladie et le décès à un horizon temporel donné. Nous formulons un modèle maladie-décès et une vraisemblance pénalisée dans des contextes où les processus pathologiques font l’objet d’une observation intermittente et où le décès est soumis à une censure à droite. Nous développons ensuite un algorithme innovant de maximisation de l’espérance, qui permet d’intégrer de manière flexible différentes fonctions de pénalité et d’exploiter les librairies existantes. Nous illustrons la méthode dans le contexte d’une étude biomédicale visant à prédire conjointement un événement non fatal et le décès.