La classification automatique non supervisée suscite de plus en plus d''intérêts dans différents domaines des sciences de l''ingénieur. Le principe est justement de doter les machines de la capacité à découvrir des groupes naturels ou classes dans les objets présents aux entrées sans aucune connaissance a priori. Récemment, les machines à noyaux ont connu un vif succès en classification non supervisée. L''idée de base est au lieu de projeter ou classer directement les données, on les transforme dans un espace de caractéristiques de grande dimension où les points images sont susceptibles d''être linéairement séparables. Ensuite, une technique classique sera appliquée sur les points dans cet espace. C''est le principe des méthodes à noyaux ou "kernels": kernel PCA,Kernel K-means, etc. Ce livre montre l''apport des machines à noyaux dans la classification non supervisée notamment en projection et en classification. Les problèmes d''ajustement des paramètres et d''estimation du nombre des classes de ces méthodes à noyaux sont étudiés. Les approches de classification sont testées sur des données audio pour l''aide à la détection d''événements dans le transport publique