Le développement d’un modèle in-silico personnalisé de poumons pourrait permettre d’améliorer la prise en charge de différentes maladies, e.g. la fibrose pulmonaire idiopathique, en définissant des biomarqueurs obtenus en fusionnant modèles physiques et données cliniques. Une étape importante de la personnalisation est l’identification des paramètres de comportement et de chargement du modèle. Afin de quantifier la fiabilité de l’estimation, nous proposons dans ce travail une approche statistique, qui consiste à appliquer le processus d’identification sur des donnée synthétiques bruitées et biaisées.