Les Syst mes de Gestion de Bases de Donn es Relationnelles (SGBDR) sont devenus, sans contexte, le noyau de tout syst me informatique. Cependant, La diversification des applications des bases de donn es a montr les limites des SGBDR notamment dans la repr sentation des donn es impr cises. Les bases de donn es relationnelles floues (BDRF) permettent de r soudre ce probl me en offrant cette extension. Le stockage et la manipulation des donn es floues deviennent n cessaires, d'o l'importance de d finir la fouille de donn es floues. Nous nous sommes int ress s l'une des m thodes de la fouille de donn es floues, savoir, la classification non supervis e floue. L'inconv nient majeur des algorithmes de classification est qu'ils ne permettent pas de traiter des donn es floues. Dans le cadre de ce travail, nous proposons de d finir un nouvel algorithme de classification floue qui supporte aussi bien les donn es crisp que floues. Nous pr sentons un outil de clustering, bas sur cet algorithme, qui int gre deux types d'approches: l'approche crisp et l'approche floue.