L'idée à l'origine du modèle de mélange conjoint (MMConjoint) est de classer simultanément deux ensembles d'observations en introduisant un a priori conjoint entre les deux classifications et un lien statistique entre les deux observations. Nous étudions en particulier le cas de mélanges gaussiens et le cas de mélanges paramétriques non gaussiens construits à partir de copules et de marginales non gaussiennes. Nous établissons également un algorithme EM et un algorithme ECI pour l'estimation automatique des paramètres, rendant la méthode de classification non supervisée. Le modèle est illustré à travers la segmentation d'images vectorielles couleur et IRM. Les résultats obtenus améliorent les segmentations individuelles des bandes par des modèles de mélange classiques.