Un modèle de prédiction de la productivité forestière adapté à l’ontogénie et phénologie du pin blanc permettrait d’optimiser sa production. La croissance architecturale du houppier (longueur de la pousse annuelle et le nombre de ramifications annuel) et la croissance radiale (largeur du cerne annuelle) ont été mesurées sur quatre sites dans le Québec méridional. Ces variables réponses ont été mises en relation dans des modèles avec des variables explicatives soulevées par plusieurs études comme étant importantes pour la croissance du pin blanc ou d’autres espèces forestières. Ces modèles ont été séparés selon deux catégories de variables explicatives. Il s’agit de variables environnementales et climatiques. Le modèle le plus parcimonieux par catégorie et par variable réponse a été déterminé en utilisant le critère d’Akaike. Il s’agit alors du modèle le moins biaisé et le plus précis. Les modèles de croissance considérant des facteurs environnementaux comprenaient un indice de compétition indépendant de la distance ne tenant compte que des arbres compétiteurs d’un diamètre plus important que l’arbre cible dans un rayon d’influence de 8 m. Certaines variables climatiques mensuelles, de température et de précipitations, de l’année précédant la croissance et de l’année de la croissance sont ressorties comme importantes pour la croissance architecturales et radiales. Seul le modèle climatique de croissance radiale est suffisamment explicatif (65,9%) pour être considéré adéquat pour une simulation de prédiction de production forestière.A predictive model of forest productivity adapted to the ontogeny and phenology of eastern white pine would optimize its production. Architectural crown growth (annual shoot length and number of annual twigs) and radial growth (annual ring width) were measured at four sites in southern Quebec. These response variables were related in models with explanatory variables considered by several studies as important for the growth of eastern white pine or other forest species according to two categories of explanatory variables : environmental or climatic variables. The most parsimonious model by category and by response variable was determined using the Akaike criterion. This is the least biased and most accurate model. The environmental models included a competition index independent of distance and considering competing trees larger in diameter than the target tree at less than 8 m. The dendroclimatic model and the two climatic models of architectural growth include monthly climatic variables, temperature and precipitation, the year preceding growth and the year of growth. Only the climatic model of radial growth is sufficiently explanatory (65.9%) to be considered adequate for a prediction simulation of forest production.