Dans ce papier, nous proposons un système d’extraction de connaissances à partir de données pour la visualisation et l’interprétation de profils issus d’une classification automatique en mode non supervisé. Une méthode efficace utilisée pour la classification est la carte auto-organisatrice ou Self-Organizing Map (SOM). Dans cette méthode, la détection des regroupements est en général obtenue par d’autres techniques de classification (par partitionnement ou hiérarchisation). Dans le cadre de ce travail, nous explorons une autre voie pour la segmentation de la carte par une approche basée sur la théorie des graphes (la coloration minimale). Enfin, pour caractériser les classes issues de cette segmentation, nous proposons une solution basée sur un test statistique et un arbre couvrant maximum pour la sélection de variables locales à chaque classe permettant ainsi sa caractérisation de manière automatique. Des expérimentations seront présentées sur plusieurs bases de données pour valider l’approche proposée.