Nous considérons un solveur générique de problèmes de satisfaction de contraintes (CSP) binaires, paramétré par des choix de haut niveau, à savoir le type de recherche, le niveau de propagation de contraintes et l'heuristique de choix de variables. Nous comparons expérimentalement 18 configurations de ce solveur générique sur plus d'un millier d'instances. Un premier but est de comprendre la complémentarité des différents types de recherche, avec une attention particulière sur Backtracking with Tree-Decomposition (BTD). Le second objectif est d'introduire un sélecteur d'algorithme par instance pour choisir automatiquement la meilleure approche pour chaque nouvelle instance à résoudre. Nous montrons expérimentalement que ce sélecteur obtient de meilleures performances par rapport à nos 18 configurations initiales.