Un nouvel algorithme de classification automatique basé sur ECM et intitulé CECM (Constrained Evidential c-means) est proposé. Il se fonde sur deux concepts : la partition crédale reposant sur la théorie des fonctions de croyance et la classification sous contraintes. La notion de partition crédale généralise celles de partition nette, floue, probabiliste ou possibiliste. La classification sous contraintes est une approche qui utilise peu de connaissances a priori. Elle est représentée dans cet article par des contraintes Must-link et Cannot-link entre des paires d'individus. Ce concept permet de diriger l'algorithme vers une solution et ainsi d'améliorer les performances. Nous introduisons dans ECM la m´etrique de Mahalanobis et nous modifions le critère minimisé par ECM pourprendre en compte les contraintes. Les performances sont illustrées sur plusieurs jeux de données.