La factorisation biaisée de matrices offre une grande qualité de prédiction pour les systèmes de recommandation. Mais elle attribut un comportement uniforme à tous les utilisateurs et produits. Ce papier proposons une amélioration de la factorisation biaisée de matrices. Notre proposition utilise des groupes de produits similaires. Elle attribue à chaque utilisateur un biais pour chaque groupe de produits. Nos expérimentations sur des jeux de données réels montrent l'efficacité de notre approche.