En Amérique du Nord, les ingénieurs utilisent la précipitation maximale probable (PMP) afin de concevoir les infrastructures hydrauliques exposées aux aléas du climat. La PMP est définie comme la limite supérieure de la quantité de précipitations pouvant tomber sur une région donnée. Ainsi, surestimer la PMP peut mener à des coûts inutiles lors de la construction des ouvrages ainsi qu'un plus grand impact sur les écosystèmes, alors qu’une sous-estimation peut entraîner des conséquences potentiellement dramatiques sur les communautés avoisinantes et l’environnement local. Les méthodes actuelles d’estimation de la PMP présentent plusieurs failles, entre autres : certaines variables nécessaires au calcul ne sont pas directement observables et requièrent une suite d’approximations pour les estimer; l’incertitude et les changements climatiques ne sont pas toujours pris en compte et sont difficiles à intégrer aux calculs; aucun test diagnostique ne permet d’évaluer la qualité des résultats et finalement, plusieurs choix subjectifs et ad hoc doivent être pris par l’analyste au fil des calculs, ce qui augmente la variabilité des estimations. Le but de ce travail est de proposer une approche statistique d’estimation de la PMP qui résout les problèmes susmentionnés tout en utilisant des données facilement accessibles.