Vers une approche unifiée pour la séparation aveugle de sources en sur et sous-déterminé, basée sur la parcimonie et la décorrélation Résumé – L'analyse en composantes indépendantes (ICA – Independant Component Analysis) est un des principaux outils pour la séparation aveugle de sources (BSS – Blind Source Seperation). Les études théoriques et expérimentales montrent que l'hypothèse d'indépendance semble bien adaptée pour la séparation des signaux audios. Ces dernières années, les approches par optimisation utilisant la parcimonie sont apparues comme une autre approche efficace pour la séparation de sources. Cet article commence par introduire une nouvelle approche de séparation aveugle de sources qui tire parti à la fois de la décorrélation (qui est une conséquence directe de l'indépendance) et de la parcimonie dans un dictionnaire de Gabor. On montre que l'approche proposée fonctionne à la fois pour les mélanges sur-déterminés et sous-déterminés. Les résultats expérimentaux illustrent les bonnes performances sur des mélanges de signaux audio. Abstract – Independent component analysis (ICA) has been a major tool for blind source separation (BSS). Both theoretical and practical evaluations showed that the hypothesis of independence suits well for audio signals. In the last few years, optimization approach based on sparsity has emerged as another efficient implement for BSS. This paper starts from introducing some new BSS methods that take advantages of both decorrelation (which is a direct consequence of independence) and sparsity using overcomplete Gabor representation. It is shown that the proposed methods work in both under-determined and over-determined cases. Experimental results illustrate the good performances of these approaches for audio mixtures.