A partir d'exemples simples, on présente une méthode originale de choix des variables et interactions d'ordre 2 dans un modèle de régression multiple, en présence de multicolinéarités ou d'interactions. La métbode “CORICO” (Iconographie des Corrélations) est fondée sur les corrélations totales et partielles. La détection des points aberrants est obtenue au moyen de variables indicatrices des observations. Nous montrons comment l'introduction de fonctions logiques non-linéaires d'ordre 2 améliore l'interprétation du plan d'expérience.