Les analyses factorielles apparaissent relativement sensibles à des valeurs peu représentées (c'est le cas en AFC) ou sur-représentées (c'est le cas en ACP). Il est alors important de pouvoir mesurer et contrôler l'influence de chaque donnée sur les résultats d'une étude et plus spécifiquement dans le cadre d'une analyse factorielle des correspondances. Ce mémoire traite des mesures d'influence en analyse factorielle des correspondances. Pour déterminer si une ou plusieurs lignes (respectivement colonnes) perturbent fortement l'analyse, nous utiliserons la notion de courbe d'influence, de fonction d'influence empirique et de fonction de sensitivité. Un exemple forestier sera pré-senté à la fin pour illustrer les notions développées.