Nous pr sentons les fondements th oriques et les quivalences entre les algorithmes PCA, MDS, Regroupement spectral, Kernel PCA, Isomap, LLE, GPLVM et Laplacian eigenmaps. Ces m thodes poss dent des propri t s que nous avons exploit es pour tudier les documents acoustiques dans des espaces de faible dimensionnalit . Dans une premi re partie exp rimentale, nous faisons une analyse des signaux acoustiques l'aide de ces m thodes et des algorithmes d'estimation de la dimensionnalit intrins que. Une seconde contribution consiste appliquer la th orie du regroupement spectral aux s quences audio. Un des r sultats de cette d marche est la d tection de variations abruptes de la s quence d'entr e, ce qui permet de d finir une segmentation temporelle du signal. Nous proposons enfin une d marche permettant de transformer des s quences audio de longueur variable en vecteurs de taille fixe de trois dimensions. Cette transformation nous permet d'explorer les contenus des bases de donn es acoustiques. Dans ces espaces, les vecteurs-s quences sont trait s par des algorithmes noyau et des m thodes de regroupement.