Dans le domaine infographie, l'animation par ordinateur désigne notre capacité à faire se mouvoir, via un ensemble de programmes ou d'algorithmes, des représentations géométriques virtuelles d'objets le plus souvent réels. Si les jeux vidéos ou le champ des effets spéciaux sont les premiers domaines d'application, le développement des technologies de l'information dans notre vie de tous les jours a ouvert la voie à un grand nombre d'autres utilisations. L'animation à proprement parler nécessite de spécifier le comportement dans l'espace et le temps de l'objet considéré. Il existe un grand nombre de méthodes permettant de réaliser cette spécification. Parmi celles-ci, la catégorie des méthodes dites "basées données" permettent d'obtenir un réalisme important en s'appuyant sur des exemples capturés du monde réel. A ces méthodes sont associés trois problèmes fondamentaux : - un problème d'acquisition : quels sont les bons descripteurs du mouvement ? Comment, et via quel médium, les capter du monde réel ? - un problème de généralisation : comment généraliser l'information obtenue à partir de quelques exemples ? Comment en caractériser leur portée ? - un problème de contrôle : par quel biais introduire cette information dans une boucle d'animation ? Peut on la modifier pour l'adapter à des cadres différents de ceux de la captation ? Pris ensemble, ces problèmes permettent d'établir des schémas d'Analyse/Synthèse, où l'information peut être capturée grâce à une formalisation (un modèle) numérique du phénomène considéré, puis utilisée à son tour dans la définition même du modèle. Ce document présente des travaux de recherche dans cette direction menés par moi et mon équipe depuis 2004. Deux domaines d'application "phare" sont considérés : l'animation de personnages virtuels, et plus particulièrement des personnages doués de la faculté de communiquer en langue des signes, et la simulation de foules de gens guidée par les données. Dans les deux cas est montré comment les données peuvent interagir avec les modèles numériques. Nous tentons même de mettre en avant l'émergence de cercles vertueux où l'on s'aperçoit que de meilleures données entrainent de meilleurs modèles, qui à leur tour autorisent la captation de nouvelles données et ainsi de suite. Ainsi cette thématique ouvre un large panel de problèmes évoluant de l'apprentissage à la simulation numérique.