La performance d'une methode de classification est d'un grand interet pour le choix, la comparaison et la validation des algorithmes de classification. La lisibilite des resultats et la reduction du cout d'echec total de la classification sont d'une importance cruciale pour l'amelioration de la performance des classifieurs. Dans cet ouvrage, nous proposons principalement deux approches de resolution a travers la description d'un modele d'optimisation metaheuristique baptise ProSadm-HBA (ProSadm: Programmation d'un Systeme d'Aide au Diagnostic Medical, en conjonction avec la metaheuristique HBA: Homogeneity Based-Algorithm) et F-HBA ( Fuzzy Homogeneity Based-Algorithm). Nous avons valide nos resultats experimentaux sur des bases de donnees medicales connues: Pima (Diabetes), TH (Troubles Hepatiques), AP (Appendicite). Les approches developpees permettent de minimiser le nombre total d'echecs de la classification (ProSadm-HBA) tout en respectant la contrainte d'interpretabilite des classifieurs (F-HBA). Ces contributions peuvent etre d'un grand interet pour les experts dans le domaine medical."