La classification automatique non supervisee suscite de plus en plus d'interets dans differents domaines des sciences de l'ingenieur. Le principe est justement de doter les machines de la capacite a decouvrir des groupes naturels ou classes dans les objets presents aux entrees sans aucune connaissance a priori. Recemment, les machines a noyaux ont connu un vif succes en classification non supervisee. L'idee de base est au lieu de projeter ou classer directement les donnees, on les transforme dans un espace de caracteristiques de grande dimension ou les points images sont susceptibles d'etre lineairement separables. Ensuite, une technique classique sera appliquee sur les points dans cet espace. C'est le principe des methodes a noyaux ou "kernels" kernel PCA, Kernel K-means, etc. Ce livre montre l'apport des machines a noyaux dans la classification non supervisee notamment en projection et en classification. Les problemes d'ajustement des parametres et d'estimation du nombre des classes de ces methodes a noyaux sont etudies. Les approches de classification sont testees sur des donnees audio pour l'aide a la detection d'evenements dans le transport publique"