L'annotation d'images consiste à décrire le contenu des images en utilisant un nombre fini de concepts fixés a priori. En pratique, nous utilisons deux modalités pour cela : l'image et les tags utilisateurs qui les accompagnent. Cependant, ces tags sont en général imparfaits et seulement une partie est pertinente vis-à-vis du contenu de l'image. Dans ce papier, nous nous intéressons à la prise en compte de l'imperfection des tags en vue de leur utilisation pour l'amélioration de la performance des systèmes d'annotation. Nous proposons un système de classification multimodale qui prend en compte l'imperfection des tags. L'amélioration de ~8% de classification obtenue sur la base d'images VCDT (Visual Concept detection Task) de la campagne d'évaluation ImageClef2011 montre l'intérêt de cette modélisation