English Abstract: In balancing international financial data (Lane and Milesi-Ferretti, 2006), contrary to most matrix adjustment problems, the only constraints are that, for any given category of assets and liabilities, the sum of assets over countries must equal the sum of liabilities. Obviously, these constraints determine a solution only up to a factor of proportionality. This paper examines various ways of dealing with this problem, based on the minimum information-gain principle (minimum cross-entropy), as generalized to accommodate negative entries in the data (Junius and Oosterhaven, 2003; Lemelin, 2010).Choosing between the basic model, a so-called naive approach, and a weighted loss function model appears to be far from critical. All methods produce adjusted matrices that are very close to the unadjusted matrix and to each other. This is true both at the 145-country level of detail and for the 14-region aggregation. What does matter, to some extent, is whether one aggregates previously adjusted data, or adjusts previously aggregated data. French Abstract: Dans l'équilibrage des données financières internationales (Lane et Milesi-Ferretti, 2006), contrairement à la plupart des problèmes d'ajustement de matrice, les seules contraintes sont que, pour toute catégorie d'éléments d'actif ou de passif, la somme des actifs sur l'ensemble des pays doit être égale à la somme des passifs. Évidemment, ces contraintes ne déterminent la solution qu'à un facteur de proportionnalité près. Cet article examine différentes façons de traiter ce problème, sur la base du principe de minimisation de l'apport d'information (minimisation de l'entropie croisée), tel que généralisé pour admettre des valeurs négatives dans les données (Junius and Oosterhaven, 2003; Lemelin, 2010).Le choix entre le modèle de base, une soi-disant approche naïve ou un modèle avec fonction de perte pondérée ne semble pas être critique. Toutes les méthodes produisent des matrices ajustées qui sont très proches de la matrice originale et voisines l'une de l'autre. Cela est vrai autant à l'échelle de 145 pays que pour une agrégation en 14 régions. Ce qui importe cependant, jusqu'à un certain point, est que l'on agrège les données avant ou après avoir procédé à l'ajustement
