Ces dernières années, les motifs graduels ont attiré l’attention de la communauté de la science des données et plusieurs algorithmes ont été conçus pour extraire ces motifs à partir de différents modèles de données. Sur certaines données, comme les données imprécises, l’un des biais dans les algorithmes traditionnels est le fait qu’ils définissent la gradualité comme une augmentation/diminution de valeur. Par conséquent, certains motifs extraits ne sont qu’un effet de bruit dans les données. Pour remédier à ce problème, nous proposons dans cet article, une méthode qui introduit dans le processus de fouille, un seuil graduel à partir duquel considérer une gradualité. Les expérimentations sur différentes bases de données montrent que notre proposition réduit les temps de calcul et le nombre de motifs générés en focalisant sur les motifs d’intérêt. De plus, elle extrait les motifs graduels dans certains cas où les approches traditionnelles échouent.