Non-ischemic chronic cardiomyopathies (NICM) represent a complex group of cardiac diseases, accounting for 40% of heart failure patients. The challenge in classification, diagnosis, and treatment stems from their multifactorial nature and clinical variability. Major subtypes include dilated and hypertrophic cardiomyopathies (DCM and HCM), each with distinct characteristics. These diseases can progress to heart failure and carry a risk of cardiac arrhythmias, including sudden death. Currently, there are no risk stratification scores for these patients. Our project aims to develop predictive tools using statistical approaches, machine learning, and multi-scale simulations to forecast the long-term progression of NICMs. We will leverage multi-scale, multifactorial data from existing patient cohorts, with the goal of enhancing classification, therapies, and outcomes, benefiting chronic patients and the healthcare system.Les cardiomyopathies chroniques non ischémiques (CMNI) sont un groupe complexe de maladies cardiaques représentant 40 % des patients en insuffisance cardiaque. La difficulté de classification, de diagnostic et de traitement est due à leur caractère multifactoriel et à la variabilité clinique. Les sous-types majeurs sont les cardiomyopathies dilatées et hypertrophiques (CMD et CMH), chacune présentant des caractéristiques distinctes. Ces maladies peuvent évoluer vers l'insuffisance cardiaque et comportent un risque d'arythmies cardiaques, y compris la mort subite. Actuellement, il n'existe pas de scores pour stratifier le risque chez ces patients. Notre projet vise à développer des outils prédictifs utilisant des approches statistiques, d'apprentissage automatique et des simulations multi-échelles pour prédire l'évolution à long terme des CMNI. Nous exploiterons des données multi-échelles et multifactorielles de cohortes de patients existantes, avec l'objectif d'améliorer la classification, les thérapies et les résultats, bénéficiant ainsi aux patients chroniques et au système de santé.