L'implication active d'un expert dans un processus de clus-
tering sous contraintes se traduit par une démarche incré-
mentale où les contraintes expertes sont ajoutées à la volée.
Toutefois, les clusterings intermédiaires produits devront
être relativement similaires pour ne pas dérouter l'expert.
Nous proposons un modèle en PPC permettant d'obtenir
une partition similaire à la partition existante tout en te-
nant compte des contraintes. Notre modèle peut traiter plu-
sieurs types de contraintes, relâcher les contraintes et créer
un nouveau cluster. Des expériences menées sur des jeux de
données de référence ainsi que dans un cas d'usage réel en
télémétrie montrent l'intérêt de notre modèle.