Les modèles de transition marginalisés offrent un moyen puissant d'analyser les données longitudinales discrètes. Le modèle de base permet aux covariables d'affecter le modèle de réponse de deux manières : par le biais d'un modèle linéaire généralisé pour la moyenne marginale et par le biais d'un modèle conditionnel qui caractérise une structure de dépendance autorégressive. Nous étendons cette approche pour traiter une association transversale et une association par paires pour les événements de transition dans les réponses binaires longitudinales en grappes. Cette dernière permet d'étudier dans quelle mesure les changements de comportement d'un individu influencent les changements de comportement de ses pairs dans la même grappe. Ce cadre est particulièrement utile dans les études observationnelles ou randomisées à grande échelle axées sur les interventions comportementales. Nous déduisons les propriétés sur grand échantillon des estimateurs obtenus par des équations d'estimation généralisées du second ordre et évaluons leur performance sur échantillon fini par des simulations, en les comparant à un estimateur en deux étapes.