Nous développons une classe de modèles ARCH pour les séries temporelles échantillonnées à intervalles inégaux comme des observations liées à des transactions de marché. Notre approche est fondée sur la méthode d'aggrégation temporelle pour les modèles ARCH de Drost et Nijman (1993) et de Drost et Werker (1994), et d'autre part sur le modèle autorégressif des moyennes conditionnelles des durées entre les transactions financières de Engle et Russell (1996). La classe de modèles présentée ici est nommée ACD-GARCH. Ce type de modèles peut être défini comme un GARCH aux coefficients aléatoires où la durée entre les transactions détermine la dynamique des paramètres. Le ACD-GARCH devient un modèle bivarié quand sa formation admet les interactions entre les volatilités des rendements passés et les durées, et vice-versa. Sinon, la série de durées est considérée exogène par rapport au processus de volatilité. Cette condition est préalable à l'estimation du modèle ACD-GARCH en deux étapes. La spécification bivariée nous permet de tester l'existence de la causalité de type Granger entre les volatilités et les durées. Sous conditions générales, diverses procédures d'estimation par la méthode de moments généralisés sont considérées, dont certaines fournissent les estimateurs, à la fois de type GMM et de type QMLE. Pour ce qui est des applications, nous présentons une étude empirique basée sur les données de transactions du titre IBM en 1993. Nos résultats indiquent que la volatilité des rendements sur les prix d'actions de IBM cause, au sens de Granger, les durées entre les transactions. Nous observons aussi que la persistance du processus GARCH diminue fortement quand on introduit les durées dans la formulation du modèle.