Estimation adaptative pour des processus de comptage dépendant de covariables

We propose in this work an original estimator of the conditional intensity of a markerdependent counting process, with the example of conditional hazard rate in mind. We use model selection methods and provide a non asymptotic risk bound for our estimator with respect to the integrated mean square risk on a compact set. This implies an asymptotic upper bound for the rate of convergence of the estimator, which is reached automatically on a functional class with given (unknown) anisotropic regularity. Résumé Nous proposons un nouvel estimateur de l’intensité conditionnelle de processus de comptage dépendant de covariables. Nous utilisons les méthodes de sélection de modèle et obtenons une borne non-asymptotique pour le MISE pour notre estimateur. Cette borne est atteinte automatiquement sur des classes fonctionnels de régularité anisoptrope inconnue. Nous montrons par ailleurs que cette borne est optimale au sens minimax.