La découverte de règles dans des données Booléennes a été particulièrement bien étudiée avec, notamment, le calcul de règles d'association pertinentes. Il s'agit alors de fouiller des relations binaires comme des relations Transactions X Produits ou plus généralement Objets X Propriétés. Dans cet article, nous étudions la généralisation de ce concept de règle d'association au contexte des relations d'arité arbitraire. En effet, de nombreux jeux de données sont des représentations de relations n-aires (avec un nombre de dimensions n > 2). Cependant, peu de propositions existent pour adosser des processus de découverte de connaissances sur des règles descriptives dont les prémisses et les conclusions peuvent impliquer des sous-ensembles de n'importe lesquelles des n dimensions. L'un des verrous consiste à fixer la sémantique de telles règles via des mesures d'intérêt objectives qu'il a fallu concevoir (e.g., les notions de confiance naturelle ou exclusive). Nous proposons un premier algorithme d'extraction ayant été validé sur des données réelles.