Cet article se place dans le cadre de la multicolinéarité entre les prédicteurs au sein des modèles linéaires généralisés. Le phénomène de multicolinéarité peut entrainer des incohérences sur les coefficients de régression et des oublis de prédicteurs, cela peut par conséquent poser des problèmes d'interprétation qui peuvent entrainer de mauvaises décisions. Le critère proposé est une nouvelle méthode de sélection de variables dans le cadre des modèles linéaires généralisés qui permet de respecter la non-multicolinéarité entre les prédicteurs. Ce critère est constitué de plusieurs statistiques : l'indépendance globale et marginale pour tester la non-multicolinéarité, l'ajustement global du modèle aux données, les effets marginaux des coefficients de régression multiple, la cohérence des signes de ceux-ci avec les coefficients de régression simple. Le modèle sélectionné possède deux propriétés : interprétabilité et prévision.