En r ponse aux probl mes pos s par la complexit croissante des r seaux et des attaques informatiques, les syst mes de d tection d'intrusions (SDIs) constituent une bonne alternative pour mieux s curiser un r seau ou un syst me informatique. Cependant, les SDIs existants pr sentent des lacunes en termes de g n ration excessive de fausses alarmes. Dans ce m moire, nous proposons une nouvelle approche de d tection d'intrusions, dont le but est la r duction de fausses alarmes et l'am lioration de d tection de vraies attaques. Ainsi, nous proposons un nouveau syst me de d tection d'intrusions bas sur les r gles associatives g n riques de classification. En effet, l'extraction de r gles g n riques permet de minimiser le nombre de r gles de d tection, tandis que la classification associative permet la concentration sur les r gles utiles. En outre, un classifieur est construit pour am liorer le m canisme de d tection de nouvelles attaques. L' tude empirique, que nous avons men e, montre la robustesse et l'efficacit du nouveau syst me propos vs. ceux de la litt rature.