La classification automatique non supervis e suscite de plus en plus d'int r ts dans diff rents domaines des sciences de l'ing nieur. Le principe est justement de doter les machines de la capacit d couvrir des groupes naturels ou classes dans les objets pr sents aux entr es sans aucune connaissance a priori. R cemment, les machines noyaux ont connu un vif succ s en classification non supervis e. L'id e de base est au lieu de projeter ou classer directement les donn es, on les transforme dans un espace de caract ristiques de grande dimension o les points images sont susceptibles d' tre lin airement s parables. Ensuite, une technique classique sera appliqu e sur les points dans cet espace. C'est le principe des m thodes noyaux ou "kernels": kernel PCA, Kernel K-means, etc. Ce livre montre l'apport des machines noyaux dans la classification non supervis e notamment en projection et en classification. Les probl mes d'ajustement des param tres et d'estimation du nombre des classes de ces m thodes noyaux sont tudi s. Les approches de classification sont test es sur des donn es audio pour l'aide la d tection d' v nements dans le transport publique