Cet article traite de l’autoapprentissage d’un syste`me i-vector/PLDA pour le regroupement en locuteurs de collections d’archives audiovisuelles franc ̧aises. Les parame`tres d’extraction des i-vectors et du calcul des scores PLDA sont appris de fac ̧on non supervise ́e sur les donne ́es de la collection elle-meˆme. Diffe ́rents me ́langes de donne ́es cibles et de donne ́es externes sont compare ́s pour la phase d’apprentissage. Les re ́sultats expe ́rimentaux sur deux corpora cibles distincts montrent que l’utilisation des donne ́es des corpora en question pour l’apprentissage ite ́ratif non supervise ́ et l’adaptation des parame`tres de la PLDA peut ame ́liorer un syste`me existant, appris sur des donne ́es annote ́es externes. De tels re ́sultats indiquent que la structuration automatique en locuteurs de petites collections non annote ́es ne devrait reposer que sur l’existence d’un corpus externe annote ́, qui peut eˆtre spe ́cifiquement adapte ́ a` chaque collection cible. Nous montrons e ́galement qu’une collection suffisamment grande peut se passer de l’utilisation de ce corpus externe.