Les modèles de croissance de poissons sont généralement estimés à l’aide de données sur la longueur en fonction de l’âge. Ces données sont largement collectées par le biais d’échantillons par âge stratifiés selon la longueur (EASL), un plan d’échantillonnage à réponse sélective. Or ces données peuvent contenir des erreurs de mesure de l’âge (EM). Nous proposons une méthodologie qui prend en compte les EASL et les EM de l’âge afin d’améliorer la précision des estimations de croissance de poissons. Les méthodes proposées utilisent la proportion de vraisemblance empirique pour les EASL et les erreurs structurelles sur les variables pour les EM de l’âge. Pour garantir la fiabilité de nos estimations, nous fournissons une mesure de l’incertitude pour les estimations des paramètres et des résidus standardisés pour la validation du modèle. Nous utilisons un modèle ratio-logit de continuation pour modéliser la distribution de l’âge, ce qui est cohérent avec la nature aléatoire de la véritable distribution de l’âge. L’étude de simulation montre que le fait de négliger les EM de l’âge peut entraîner un biais important dans l’estimation de la croissance. Cependant, notre nouvelle approche donne de bons résultats quelle que soit l’ampleur des EM de l’âge et estime avec précision les erreurs standard des estimations des paramètres. L’analyse de données réelles démontre l’efficacité des méthodes proposées.