Les methodes d'apprentissage statistiques exploitent des exemples, pour enseigner un comportement a un modele predictif. La classification supervisee requiert des exemples etiquetes. En pratique, l'etiquetage des exemples peut se reveler couteux. Dans certains cas, l'etiquetage implique un expert humain, un instrument de mesure, un temps de calcul leve...etc. Les methodes d'apprentissage actif reduisent le cout de preparation des donnees. Ces methodes cherchent a etiqueter uniquement les exemples les plus utiles a l'apprentissage d'un modele. Les strategies actives de la litterature utilisent generalement des modeles globaux a l'espace des variables d'entrees. Nous proposons une strategie originale qui effectue un partitionnement dichotomique recursif de l'espace d'entree. Cette strategie met en competition les modeles locaux a chacune des zones, pour choisir les exemples a etiqueter."