Nous essayons de caractériser la distribution statistique de l'atteinte ganglionnaire axillaire dans le cancer du sein. Le matériel concerne un échantillon de 109 618 patientes provenant des registres américains du SEER (Surveillance, Epidemiology, and End Results). Dans un premier temps, nous observons une distribution de type log-concave, mais avec surdispersion excluant une loi aléatoire de Poisson. Une loi binomiale négative (BN) fournit un ajustement acceptable. La surdispersion indique des patientes présentant un risque accru, et/ou un phénomène de cascade par lequel la variabilité augmente lorsque l'atteinte ganglionnaire augmente. Dans un deuxième temps, nous appliquons des modèles prédictifs prenant la BN en compte ou non. La régression logistique, communément utilisée ne permet de prédire que le statut ganglionnaire et nous trouvons une faible valeur prédictive. Par contre, une régression linéaire généralisée BN (RLGBN) permet de modéliser le nombre de ganglions envahis. Nous argumentons que cette approche modélisant le nombre de ganglions, et non pas le statut seul, permet une gradation du degré d'atteinte et permettrait d'identifier les patientes pour lesquelles un traitement néoadjuvant serait justifié. Incidemment, la RLGBN met en évidence dans notre échantillon un facteur saisonnier évoquant la possibilité de variabilité de la pratique médicale, qui justifierait une investigation plus approfondie.