Lorsque l'objectif est de modéliser des parts de marché, la littérature marketing propose des modèles de régression qui peuvent être qualifié de modèles d'attraction. Ils sont généralement dérivés d'une version agrégée du modèle multinomial logit. Mais le logit multinomial agrégé et le modèle d'attraction appelé generalized multiplicative competitive interaction models (GMCI) présentent quelques limitations : dans leur version simple, ils ne spécifient pas de paramètres propres aux marques ni d'effets croisés. Dans ce papier, nous considérons des modèles alternatifs : le modèle de Dirichlet (DIR) et le modèle de composition (CODA). DIR permet d'introduire des paramètres propres aux marques et CODA permet en plus de considérer des effets croisés. Nous montrons que ces deux modèles peuvent être exprimés sous une forme similaire, appelée formulation en attraction, comme les modèles MNL et GMCI. Les modèles de parts de marché étant habituellement interprétés en termes d’élasticités, nous utilisons également cette notion pour interpréter les modèles DIR et CODA. Nous comparons les propriétés des modèles de manière à expliquer pourquoi les modèles CODA et DIR peuvent être plus performants que les modèles de parts de marché traditionnels. Une application au marché automobile est présentée où nous modélisons les parts de marché des marques en fonction des investissements médias, en contrôlant pour le prix des marques et l’existence ou non de prime à la casse. Nous comparons la qualité des modèles en utilisant des mesures adaptées aux données de parts.