La résistance aux antibiotique est de plus en plus courante. En particulier, la fraction croissante d'Escherichia coli commensaux et pathogènes exprimant des bêta-lactamases à spectre étendu et/ou des carbapénémases est alarmante. E. coli est une cause majeure d'infections courantes telles que les infections urinaires, qui touchent plus de 150 millions de personnes dans le monde. Il est important de noter que de nombreuses infections récidivent. Il est donc essentiel de comprendre en profondeur la sensibilité des isolats cliniques d'E. coli aux bêta-lactamines pour proposer des traitements efficaces.Les bactéries peuvent échapper aux traitements de différentes manières. Les bactéries résistantes se développent et se divisent normalement en présence d'antibiotiques. Leur caractérisation est facile à l'aide de tests de diagnostic standard. Les bactéries tolérantes se contentent de survivre en présence d'antibiotiques et repoussent lorsque l'antibiotique est retiré ou dégradé. Ce comportement biphasique complique la prédiction des résultats du traitement. La résilience au traitement est notamment observée dans la tolérance collective aux antibiotiques, où les cellules mortes libèrent des bêta-lactamases qui dégradent l'antibiotique dans l'environnement. Les approches standard ne sont pas adaptées pour quantifier et comprendre le rôle de la résistance et/ou de la résilience.Nos principaux objectifs sont de quantifier la dynamique de la mort cellulaire au cours de traitements répétés et de quantifier l'impact des différentes conditions environnementaux sur la mort cellulaire. Tout d'abord, nous avons développé de nouveaux protocoles pour résoudre les problèmes de variabilité dans les mesures de densité optique, et pour effectuer des tests d'unités formant colonies d'une manière efficace. Grâce à ces techniques, nous avons généré un vaste ensemble de données décrivant l'impact de traitements répétés sur différents isolats cliniques. Nous avons calibré un modèle, précédemment développé par l'équipe, de la réponse de la population aux antibiotiques et de l'évolution de l'environnement dans le contexte de tolérance collective aux antibiotiques. Nous avons calibré le modèle sur l'ensemble de données, et nous avons montré que le modèle tient compte de l'évolution temporelle de la biomasse et du nombre de cellules vivantes. En outre, nous avons démontré qu'en utilisant ce modèle, nous pouvons prédire le nombre de cellules vivantes à partir des mesures de la biomasse.Dans ce travail, nous avons mis en évidence l'écart entre l'in vitro et l'in vivo en évaluant l'effet de différentes conditions de croissance sur la survie des cellules. Pour relever ce défi, nous avons étudié la réponse bactérienne dans l'urine humaine et dans le milieu de Mueller-Hinton (milieu utilisé pour les antibiogrammes standard), ainsi que dans un milieu défini avec différentes sources de carbone. Tout d'abord, nous avons observé une meilleure survie dans l'urine par rapport au milieu Mueller-Hinton, mais ce résultat variait en fonction de la souche et de la concentration d'antibiotique. Il est intéressant de noter que les données expérimentales ont montré que la concentration en nutriments n'avait pas d'effet sur le taux de croissance, mais un effet important sur la capacité de charge et la réponse aux antibiotiques. Grâce à l'étalonnage du modèle et à l'analyse des valeurs des paramètres du modèle, nous avons identifié des processus biologiques qui pourraient expliquer les différences entre le comportement des bactéries dans différents milieux.