A la difference des algorithmes de type "nuees dynamiques" ou les methodes statistiques, la classiffication ascendante hierarchique (CAH) est une methode d'analyse de donnees permettant d'identifier les groupes de donnees sans en connaître leur nombre a priori. L'un des inconvenients de la CAH est qu'elle est mal adaptee a la gestion d'un nombre important d'objets a classer. Les algorithmes de quantification vectorielle sont classiquement utilises pour trouver un ensemble de vecteurs referents permettant de coder de maniere compacte tous les vecteurs d'un ensemble de donnees. Leur repartition depend de la fonction densite sousjacente aux donnees. Comparees aux methodes classiques de quantification vectorielle, les cartes topologiques introduisent une relation supplementaire de voisinage entre les vecteurs referents. L'algorithme topologique le plus connu est celui propose par Kohonen. D'autres generalisations de cet algorithme ont ete proposees, elles proposent des algorithmes d'apprentissage qui permettent en plus d'approximer la fonction de densite de la population observee selon des modeles probabilistes plus complexes, PRSOM est l'un de ces algorithmes. Dans cet article, nous proposons un algorithme de classification mixte qui combine l'algorithme probabiliste des cartes topologiques (PRSOM) et la CAH. Nous testons son eficacite sur un probleme reel d'oceanographie : la classification des spectres du radiometre SeaWiFS.