Cet article aborde le problème de la classification et de la segmentation simultanées de courbes. Nous proposons un modèle qui s’inspire à la fois d’un mélange de lois dédié à la classification de courbes à changements de régimes, et du modèle des blocs latents utilisé pour la classification croisée. Cette nouvelle formulation mène à une estimation de paramètres par un algorithme EM variationnel maximisant une borne inférieure de la log-vraisemblance. Des expériences numériques menées sur des données synthétiques permettent d’évaluer la méthode proposée.