"Ce m\u00E9moire pr\u00E9sente une contribution aux m\u00E9thodes floues de classification pour d\u00E9velopper un module d\u00E9cisionnel adaptatif. Une \u00E9valuation des m\u00E9thodes courantes conduit \u00E0 choisir le Fuzzy Pattern Matching pour la discrimination. Le choix d'une m\u00E9thode non supervis\u00E9e pour l'apprentissage initial, est plus compliqu\u00E9 car le calcul d'une partition floue dans un nuage comportant un nombre inconnu de classes de forme quelconque est difficile. L'algorithme propos\u00E9, Unsupervised Fuzzy Graph Clustering (UFGC), combine la m\u00E9thode Floue des C Moyennes (FCM) avec une hi\u00E9rarchie. Une relation floue de proximit\u00E9 est \u00E9tablie entre des sous classes, pr\u00E9alablement calcul\u00E9es par FCM. Sa coupe d\u00E9fuzzifie le graphe flou de proximit\u00E9 en un graphe de voisinage. Les sous classes d'une composante connexe sont fusionn\u00E9es par la somme des degr\u00E9s d'appartenance aux sous classes. Nous montrons que la partition floue calcul\u00E9e respecte la r\u00E9partition des points. Un crit\u00E8re de compacit\u00E9 est propos\u00E9 pour trouver la coupe optimale, et le nombre de classes quelle que soit leur forme. Pour la discrimination, nous adaptons FPM \u00E0 des classes de toute forme par une approche multiprototype. La premi\u00E8re solution, Fuzzy Pattern Matching with Exponential function (FPME), consiste \u00E0 diviser chaque classe en sous classes et \u00E0 calculer pour chacune d'elles une fonction d'appartenance. Une somme born\u00E9e de ces fonctions donne une valeur d'appartenance \u00E0 chaque classe. Cette derni\u00E8re est agr\u00E9g\u00E9e aux possibilit\u00E9s d'appartenance suivant chaque attribut. Dans l'autre adaptation propos\u00E9e, Fuzzy Pattern Matching Multidensity, chaque classe est divis\u00E9e en sous classes. Au lieu de calculer une densit\u00E9 de possibilit\u00E9 par classe et par attribut, nous proposons de calculer une densit\u00E9 de possibilit\u00E9 par sous classe et par attribut. Pour un nouveau point, une valeur de possibilit\u00E9 est calcul\u00E9e pour chaque sous classe et chaque attribut. L'agr\u00E9gation donne une possibilit\u00E9 d'appartenance \u00E0 chaque sous classe. La fusion des ces valeurs par une somme born\u00E9e donne un degr\u00E9 d'appartenance du point \u00E0 chaque classe. Une illustration des niveaux d'appartenance montrent que ces m\u00E9thodes respectent la forme des classes. L'int\u00E9gration de UFGC et FPME constitue notre module d'automatisation du tri des bouteilles plastiques et de supervision d'une presse \u00E0 injecter." . "Possibilit\u00E9s, Th\u00E9orie des" . . . "Classification" . . "Contribution \u00E0 la classification floue de donn\u00E9es comportant des classes de forme quelconque, application au d\u00E9veloppement d'un module d'aide \u00E0 la d\u00E9cision" . . "Contribution \u00E0 la classification floue de donn\u00E9es comportant des classes de forme quelconque, application au d\u00E9veloppement d'un module d'aide \u00E0 la d\u00E9cision" . "Reconnaissance des formes (informatique)" . . "SCIENCES ET TECHNIQUES : INFORMATIQUE. AUTOMATIQUE THEORIQUE. SYSTEMES" . . . . . "Diagnostic" . "Contribution to the fuzzy classification of data comprising of the unspecified particle shape categories, application to the development of a module of decision-making aid" . . "Text" . "Ma\u00EEtrise statistique des processus" . . . . . . "Th\u00E8ses et \u00E9crits acad\u00E9miques" . "SYSTEME AIDE DECISION/PRISE DECISION/RECONNAISSANCE FORME/CLASSIFICATION/ANALYSE AMAS/LOGIQUE FLOUE/THEORIE POSSIBILITE/ANALYSE DISCRIMINANTE" . "Logique floue" . "Syst\u00E8mes d'aide \u00E0 la d\u00E9cision" . . "1999" . .