Dans cet article, nous étudions de manière conjointe comment construire et explorer visuellement une structure de classification d’une très grande base d’images. Pour garantir que la structure construite vérifiera les contraintes de taille nécessaires à sa visualisation dans une interface Web tout en reflétant les propriétés topologiques des données (clusters), nous combinons la classification hiérarchique de BIRCH (Balanced Iterative Reducing and Clustering using Hierarchies) avec la construction de graphes de voisinage : un graphe de voisinage est créé et mis à jour de manière incrémentale pour représenter les fils de chaque noeud de l’arbre. De plus, un ensemble d’images représentatives est remonté à chaque noeud interne pour guider l’utilisateur lors de l’exploration visuelle de l’arbre. L’ensemble des algorithmes utilisés sont incrémentaux pour gérer l’insertion de nouvelles images dans la collection. Nous présentons les premiers résultats sur des dizaines de milliers d’images qui peuvent être ainsi structurées en une minute de temps de calcul. L’exploration dans l’interface est fluide grâce aux propriétés de la structure construite.