Dans le contexte général de l'Industrie 4.0, une entreprise de fabrication moderne dispose de nombreuses données numériques qui pourraient être utilisées pour rendre les machines-outils plus intelligentes et faciliter la prise de décision en matière de gestion opérationnelle. L'une des premières étapes de l'approche d'exploration de données est la sélection précise de données pertinentes. Pour ce faire, les données brutes doivent être classées dans différents groupes de contexte. Cet article présente un algorithme d'apprentissage automatique non-supervisé, par mélanges gaussiens (GMM), pour la classification contextuelle. Le nombre de clusters optimal est déterminé par le critère BIC (Bayesian Information Criterion), à partir de données venant de l'industrie aéronautique. Les vérifications par fouilles manuelles et la validation par k-fold montrent ensuite que la méthode GMM permet d'obtenir de bons résultats de classification contextuelle.