La sélection pour améliorer les caractères d’intérêts agronomiques est réalisée à l’aide de la SAM ou de la GWA qui capturent difficilement les loci à effets mineurs, et grâce à des étapes de phénotypage souvent longues et couteuses. La sélection génomique (SG) est une méthode de prédiction de la performance des caractères via des modèles statistiques pour sélectionner des plantes élites dans un schéma de sélection, en estimant l’effet de tous les marqueurs qui sous-tendent l’architecture génétique des caractères étudiés. Nous avons évalué l’utilisation de la SG chez la tomate en estimant la précision de la prédiction pour 25 caractères liés à la qualité du fruit pour trois types de populations différentes (GWA, MAGIC et RIL). Une démarche de validation croisée a été menée en estimant le poids de paramètres (taille des populations d’entrainement (PE) et de validation (PV), interactions GxE, modèles statistiques prédictifs, densité de marquage, héritabilité des caractères, type de population) sur la précision de la prédiction. Nos résultats démontrent que l’approche SG semble puissante pour prédire les valeurs phénotypiques (avec des précisions allant de 0.32 à 0.93 lorsque la PE est optimisée, par exemple). Nous observons que (1) plus la PE est grande et plus elle contient des individus proches génétiquement et ayant été phénotypés dans des environnements similaires par rapport à la PV, plus la précision de la prédiction est élevée (2) la précision de la prédiction est plus élevée avec l’optimisation de la PE avec une grande diversité génétique (+ 9% en moyenne) (3) plus l’héritabilité du caractère est élevée, meilleure est la prédiction (4) les différents modèles statistiques conduisent à des prédictions très similaires (5) la densité de marqueurs optimale dépend du DL de la population. Pour conclure, bien que la SG soit une pratique qui n’en est qu’à ses débuts en ce qui concerne le monde du végétal l’application de la SG chez la tomate semble très prometteuse et pourrait être utilisée dans les programmes de sélection