La classification de donn es se fait de plus en plus pr sente en repr sentation des connaissances. Il s'agit de regrouper en une m me classe diff rents l ments porteurs d'une information a peu pr s similaire. Ainsi, l'information totale est repr sent e par de grands ensembles (les classes) et non plus par les nombreux sous ensembles. Les r sultats de l'op ration de classification seront ensuite facilement exploitables dans une phase d'interpr tation de donn es. Cet ouvrage se veut une introduction la classification de donn es par approche volutionniste. Il d crit quelques probl mes pos s en classification de donn es. Ces probl mes se ram nent une optimisation des crit res. Les solutions pr sent es font appel aux m thodes volutionnistes: algorithmes g n tiques et strat gies d' volution. Le choix de ces m thodes est bas sur certains avantages par rapport aux diff rentes m thodes classiques d'optimisation. Les m thodes de classification trouvent un champ d'application tr s vaste en traitement d'images. Ce livre pr sente quelques notions sur l'image ainsi que quelques exemples d'application de l'approche volutionniste la classification des images num riques.