L'abondance des motifs gnrs par les algorithmes d'extraction de connaissances reprsente un grand problme dans le domaine de fouille de donnes. Afin de faciliter l'exploration de ces motifs, deux approches sont souvent utilises: la premire consiste  rsumer les ensembles de motifs et la seconde approche repose sur la construction de reprsentations visuelles de ces motifs. Cependant, les rsums ne sont pas structurs et ils sont proposs sans mthode d'exploration. D'autre part, les reprsentations visuelles n'offrent pas une vue globale des ensembles de motifs. J'ai dfini un cadre gnrique qui combine les avantages de ces deux approches. Il permet de construire des rsums  plusieurs niveaux de dtail. De plus, ils sont structurs sous forme de cubes sur lesquels des oprateurs de navigation OLAP peuvent tre appliqus pour explorer les ensembles de motifs. Afin d'initialiser l'exploration, j'ai propos un algorithme qui fournit un premier rsum de taille infrieure  un seuil donn. Enfin, le cadre est instanci avec des rgles d'association.