Ce travail s’inscrit dans le domaine de la Reconnaissance Automatique du Locuteur (RAL) dont l’objectif est de reconnaitre une personne en analysant sa voix en conditions réelles. Le système développé dans le cadre de ce projet repose sur l’utilisation des MFCC (Mel Frequency Cepstral Coefficients) comme paramètres caractéristiques de la voix et l’approche GMM-UBM (Gaussian Mixture Models- Universal Background Model) comme une première phase de modélisation. La deuxième phase consiste à projeter les modèles GMM dans un espace réduit qui englobe la variabilité du locuteur et celle du canal communément appelé espace de variabilité totale. Les modèles résultants de cette projection s’appellent i-vecteurs et ils représentent les identités des locuteurs clients. La dernière phase de cette modélisation consiste à éliminer les composantes indésirables dues essentiellement aux effets du canal à travers l’application de certaines techniques d’analyse factorielle. L’évaluation des performances de la modélisation par i-vecteurs a été effectuée en comparant ses résultats en termes de temps de réponse, de complexité et de taux de reconnaissance, avec ceux obtenus en utilisant la modélisation classique GMM-UBM. This