Nous presentons les fondements theoriques et les equivalences entre les algorithmes PCA, MDS, Regroupement spectral, Kernel PCA, Isomap, LLE, GPLVM et Laplacian eigenmaps. Ces methodes possedent des proprietes que nous avons exploitees pour etudier les documents acoustiques dans des espaces de faible dimensionnalite. Dans une premiere partie experimentale, nous faisons une analyse des signaux acoustiques a l'aide de ces methodes et des algorithmes d'estimation de la dimensionnalite intrinseque. Une seconde contribution consiste a appliquer la theorie du regroupement spectral aux sequences audio. Un des resultats de cette demarche est la detection de variations abruptes de la sequence d'entree, ce qui permet de definir une segmentation temporelle du signal. Nous proposons enfin une demarche permettant de transformer des sequences audio de longueur variable en vecteurs de taille fixe de trois dimensions. Cette transformation nous permet d'explorer les contenus des bases de donnees acoustiques. Dans ces espaces, les vecteurs-sequences sont traites par des algorithmes a noyau et des methodes de regroupement."