Dans ce livre, nous nous intéressons à la détermination des estimateurs Bayésiens qui améliorent l'estimateur standard X du vecteur moyenne. Notre but est de déterminer des lois a priori telles que l'estimateur de Bayes associé domine l'estimateur standard X (et est donc minimax), ce travail s'effectue dans le cas d'une distribution générale à symétrie sphérique qui appartient à la classe de Berger et sous coût quadratique.