Découverte de sous-groupes à partir de données séquentielles par échantillonnage et optimisation locale.

La decouverte de regles caracteristiques d'une classe reste un pro-bleme difficile, particulierement dans le cadre des donnees sequentielles (se-quences d'ensembles). La decouverte de sous-groupes est une bonne formalisa-tion de cette tâche et de nombreux algorithmes dedies ont ete proposes ces 20 dernieres annees. Une exploration dite exhaustive est souvent inapplicable au vu de la taille de l'espace de recherche, et les methodes heuristiques de reference, principalement les recherches en faisceau, posent des problemes de parametrage. Nous proposons une methode d'echantillonnage depuis l'espace des motifs pour la decouverte de sous-groupes dans des donnees sequentielles etiquetees. Celle-ci permet, entre autres, de trouver des optima locaux, ne necessite pas de para-metrage, est independante de la mesure de qualite utilisee, et est simple a mettre en oeuvre. La validation empirique sur divers jeux de donnees nous permet de valider les qualites de cette approche.