Introduction : Les modèles hiérarchiques bayésiens (BHM) permettent l'emprunt d'informations entre sous-groupes d'essais cliniques. L'étendue de l'emprunt dépend d'une distribution a priori, mais il n'existe aucune méthode standardisée pour obtenir des a priori adaptés aux BHM. Cette étude développe un cadre structuré d'obtention d'a priori cliniquement informés pour les BHM. Méthodes : Des experts obtiennent une distribution de probabilité concernant l'hétérogénéité entre sous-groupes. Nous ajustons quatre distributions paramétriques en minimisant la distance de Hellinger par rapport à la distribution obtenue. La vraisemblance et l'AIC déterminent la distribution la mieux ajustée, qui est sélectionnée comme distribution a priori. Résultats : Le cadre sera testé en mars 2026 avec 21 experts de l'essai PRACTICAL. La validation inclura des enquêtes de satisfaction auprès des experts et une comparaison avec la distribution a priori prédéfinie de l'essai. Conclusion : Ce cadre rend les a priori des BHM plus accessibles et plus précis, ce qui favorise une conception efficace des essais. Des travaux futurs généraliseront le cadre à différents résultats.