I. BOURNAUD, J.-G. GANASCIA Conceptual Clustering of Complex Objects: A Generalization Space based Approach Un des objectifs de l'apprentissage à partir d'observations est de construire une classification d'un ensemble donné d'objets ou de situations. La problématique des méthodes de regroupement con­ ceptuel est ainsi de reconnaître des régularités dans un ensemble d'objets non préclassifiés de façon à pouvoir les organiser en une hiérarchie de concepts. Les premières méthodes se sont lim­ itées à des domaines non structurés dans lesquels les objets sont décrits par un ensemble de paires attribut-valeur. Les approches récentes destinées à des domaines structurés représentent les ob­ jets à l'aide de formalismes basés sur la logique du premier or­ dre. Cet article présente une telle approche dans laquelle les objets complexes sont représentés à l'aide du formalisme des graphes conceptuels. Nous proposons une méthode originale de re­ groupement conceptuel qui extrait une classification hiérarchique d'un espace de hiérarchies de concepts explicitement construit: l' Espace de Généralisations. Nous donnons l'algorithme général et présentons quelques résultats sur sa complexité. Cet algo­ rithme a été implémenté dans le système coing. Nous présentons quelques résultats empiriques de l'utilisation de coing dans le cadre de la construction de hiérarchies de caractères chinois. A key issue in learning from observations is to build a classi­ fication of given objects or situations. Conceptual clustering methods address this problem of recognizing regularities among a set of objects that have not been pre-classified, so as to orga­ nize them into a hierarchy of concepts. Early approaches have been limited to unstructured domains, in which objects are de­ scribed by fixed sets of attribute-value pairs. Recent approaches in structured domains use a first order logic based representa­ tion to represent complex objects. The problem addressed in this paper is to provide a basis for the analysis of complex objects clustering represented using conceptual graphs formalism. We pro­ pose a new clustering method that extracts a hierarchical catego­ rization of the provided objects from an explicit space of con­ cepts hierarchies, called Generalization Space. We give a general algorithm and expose several complexity factors. This algorithm has been implemented in a system called coing. We provide some empirical results on its use to cluster a large database of Chi­ nese characters.