Les analyses multivari es ont largement d montr leur efficacit dans l' tude de grandes masses complexes d'information. Le but de ce livre est, tout en tentant d'exposer leurs th ories math matiques, de comparer les r sultats de l'analyse en composantes principales et ceux des diff rentes m thodes d'analyse factorielle pour enfin s lectionner la m thode la plus appropri e pour traiter des donn es mixtes en taxonomie polyphasique. A cet effet, l'ACP semble la plus appropri e en raison de ses diff rents avantages. Pour pallier au probl me de donn es nominales nous avons propos une nouvelle fa on de codage. Au lieu de coder les cat gories de fa on ordinaire, il serait plus int ressant de la d composer en autant de variables qu'elle poss de de cat gories et coder chacune de fa on binaire dans le but d' viter les fausses distances. C'est parce que, dans le domaine de la taxonomie, il est presque impossible d'avoir des donn es normales, il serait plus commode d'utiliser le coefficient de corr lation de Spearman ou celui de Kendall appropri s pour les variables mixtes s' cartent de la normalit au lieu de celui de Pearson appropri seulement aux variables quantitatives normales.