Dans le domaine de la médecine personnalisée, où les traitements sont adaptés aux caractéristiques individuelles des patients, les régimes de traitement dynamiques (RTD) sont apparus comme un cadre essentiel pour prendre des décisions séquentielles optimales en matière de traitement. Les RTD sont des séquences de règles de décision qui s’appuient sur des données spécifiques au patient pour générer des recommandations de traitement. Traditionnellement, les RTD ont été formulés en partant de l’hypothèse de l’absence d’interférence, ce qui signifie que le traitement d’une personne n’influe pas sur le résultat d’une autre. Cependant, cette hypothèse est souvent discutable dans des scénarios pratiques, tels que les maladies infectieuses ou les comportements des réseaux sociaux. Dans cette présentation, nous discuterons des avancées récentes dans l’estimation RTD avec interférence. Nous présenterons des améliorations apportées à la méthode des moindres carrés ordinaires pondérés dynamiques (dWOLS) adaptée aux réseaux dyadiques, où une interférence survient entre paires d’individus. Les éléments centraux de notre proposition de dWOLS tenant compte des interférences sont au cœur de notre approche : les fonctions de propension du réseau et les poids d’équilibrage des interférences du réseau. Ces éléments permettent de traiter les interférences au sein des réseaux, garantissant ainsi la double robustesse de notre méthode d’estimation. Nous présenterons l’application de l’arrêt du tabac dans les ménages afin d’élucider les méthodes proposées, en utilisant les données de l’étude Population Assessment of Tobacco and Health (PATH).