L'âge des étoiles est essentiel pour l'astronomie à de nombreuses échelles, mais il peut être difficile à mesurer. Une méthode prometteuse est la gyrochronologie, qui utilise l'évolution des taux de rotation des étoiles, ou « dégyration ». Cependant, les modèles analytiques de gyrochronologie ont toujours eu du mal à rendre compte de la dispersion observée. Pour bien comprendre cette complexité, nous avons développé ChronoFlow : un modèle flexible basé sur les données et construit à l'aide d'un flux de normalisation conditionnel. Nous montrons qu'il capture avec précision la dispersion rotationnelle observée, et nous l'appliquons également dans un cadre d'inférence bayésienne pour déduire les âges stellaires. En outre, nous avons effectué des tests systématiques robustes pour analyser l'impact des paramètres dépendant du modèle sur les performances de ChronoFlow. Nos résultats montrent que ChronoFlow peut estimer l'âge de populations stellaires de même âge avec la précision des meilleurs modèles de la littérature, et qu'il est plus performant pour les amas d'étoiles jeunes que les modèles existants basés sur les données.