---

Cette contribution montre à travers une synthèse de l´état de l´art que les systèmes d´indexation en locuteurs dépendent fortement des performances de l´étape de segmentation dont l´élément déterminant est la mesure de similarité adoptée. La définition de cette mesure dépend notamment de l´espace de représentation des données et de la méthode de classification adoptée. Dans ce cadre, nous adoptons le formalisme des Méthodes à Vecteurs de Support (SVM), comme outil de décision discriminant. Son avantage principal est de contrôler la complexité du modèle ajusté aux données et de prendre en compte l´information paramétrée selon diverses configurations et tailles des vecteurs acoustiques. Nous exploitons les informations extraites de l´entraînement du classifieur (SVM) , pour définir une distance dans l´espace des caractéristiques. Son caractère géométrique facilite son calcul et son interprératation. Cette mesure est mise en oeuvre dans le cadre d´algorithmes pour la détection de ruptures puis le regroupement de segments correspondant à l´intervention des différents locuteurs.

---