Pénalités minimales et sélection d'estimateurs optimale De nombreux estimateurs sont disponibles pour le problème de régression non-paramétrique: estimateurs par projection, ridge, k-plus proches voisins, etc. Afin de choisir un estimateur de risque minimal avec les données dont on dispose (et sans information supplémentaire), une approche classique est la minimisation de la somme du risque empirique et d'une pénalité. Reste alors à estimer au mieux la pénalité conduisant à un risque optimal. Nous montrerons en quoi des résultats théoriques (quel est le niveau minimal de pénalisation nécessaire pour obtenir un résultat "raisonnable") permettent dans plusieurs cadres d'estimer la pénalité optimale, à l'aide des données uniquement.