L'effet des valeurs manquantes sur la classification des données est étudié. Une analyse comparative de la précision de la classification des données dans différents scénarios est présentée. Plusieurs techniques de recherche sont prises en compte dans l'étude pour la sélection des caractéristiques et sont appliquées pour le prétraitement de l'ensemble de données. Les performances prédictives des classificateurs les plus courants sont comparées quantitativement. L'ensemble de données est tiré d'un contexte de détection et de décision de cancer du sein disponible dans le référentiel d'apprentissage automatique de l'UCI. Après analyse des résultats expérimentaux, le travail établit le concept général d'amélioration de la précision de la classification en utilisant le remplacement des valeurs manquantes.