Résumé: Modéliser les données de survie multivariées s'avère être un processus complexe en raison de la structure d'association sophistiquée entre les différentes réponses. Pour gérer efficacement ces données tout en maintenant une interprétation claire et accessible, les auteurs du présent article proposent un modèle de copule semiparamétrique, dans lequel les distributions marginales des composantes de la réponse sont représentées par des modèles de transformation linéaire semiparamétriques. Pour réaliser des inférences ou estimer les paramètres du modèle proposé, ils élaborent une méthode de maximum de vraisemblance en deux étapes et une procédure d'estimation de pseudovraisemblance en trois étapes. Ensuite, ils examinent l'impact d'une spécification inadéquate du modèle sur l'estimation des effets des covariables et identifient le scénario qui assure la convergence de l'estimation des paramètres marginaux, même en cas d'une mauvaise spécification du modèle de copule. Pour conclure, les auteurs valident les approches proposées tant sur le plan théorique qu'empirique et présentent une application basée sur un ensemble de données réelles pour illustrer l'efficacité de la méthode proposée. [ABSTRACT FROM AUTHOR]