Le modèle de ratio de densité semiparamétrique (DRM) est un outil fort utile pour les problèmes d’inférence relatifs aux échantillons multiples qui sont collectés dans des populations possiblement différentes. La vraisemblance empirique (EL) basée sur des données entièrement observées a été longuement étudiée pour l’inférence statistique dans un DRM. À notre connaissance, aucune méthode n’a été proposée pour traiter les données manquantes dans un DRM. Nous proposons ici une méthode de vraisemblance empirique pour l’inférence dans un DRM avec des données manquantes au hasard. Nous utilisons une procédure d’imputation par noyau des données manquantes et élaborons une fonction EL à profil double basée sur les données imputées. On voit que les estimateurs qui résultent des paramètres du DRM sont cohérents et normaux sur le plan asymptotique. Les résultats d’une étude en simulation montrent que la méthode proposée surpasse les méthodes concurrentes, en particulier lorsque les distributions sous-jacentes de données sont asymétriques.