Cette étude porte sur l'amélioration des performances du système VINICS, pour la reconnaissance de parole propre, en utilisant le cadre de l'analyse linéaire discriminante (LDA). L'objectif de la LDA est de transformer un espace de paramètres constitué de différentes classes, en un nouvel espace dans lequel les variances inter--classes sont maximales, et les variances intra--classes minimales. Dans notre formulation, une classe est associée à un symbole phonétique. Nous avons évalué cette méthode sur une tâche de reconnaissance de 206 mots isolés, en mode mono--locuteur. Cela a conduit à une amélioration très sensible des performances. En particulier, nous avons obtenu une réduction de moitié de l'erreur de reconnaissance. Dans deux nouvelles formulations, nous associons une classe à chaque trajectoire acoustique spécifique de chaque symbole phonétique, ainsi qu'une classe à chaque état de chaque trajectoire acoustique spécifique de chaque symbole phonétique. Une évaluation de la robustesse de la LDA dans le bruit vient également d'être achevée. Nous avons montré que le paramétrage LDA est bien adapté au bruit, mais qu'il est très peu robuste aux variations du rapport signal--à--bruit [100].