Cet article concerne les methodes d'analyse de donnees longitudinales gaussiennes lorsque la variable reponse est observee de facon incomplete. Si la probabilite d'observation de la variable reponse ne depend que des valeurs des reponses observees aux temps precedents et eventuellement de covariables, les donnees manquantes sont ignorables et la methode du maximum de vraisemblance fournit des estimateurs asymptotiquement non biaises. Nous montrons cependant sur un exemple que l'estimateur empirique de la moyenne est biaise. Si la probabilite d'observation depend des valeurs non observees de la variable reponse, une approche frequente consiste a modeliser conjointement la reponse et la probabilite d'observation en utilisant un modele de selection. L'objectif de cet article est de presenter les deux categories de modele de selection en insistant sur les hypotheses sous-jacentes. L'utilisation et les limites d'un modele variable-reponse dependant et d'un modele eets-aleatoires dependant sont illustrees sur une etude de la deterioration cognitive du sujet ^age. Le premier modele appara^t beaucoup plus sensible au choix des variables d'ajustement que le second. Malgre leurs faiblesses, ces modeles sont utiles pour evaluer la sensibilite des estimations a dierentes hypotheses concernant le processus d'observation.