Dans cet article, nous proposons un cadre récurrent pour l'apprentissage non supervisé conjoint (JULE) de représentations profondes et de clusters d'images. Dans notre cadre, les opérations successives d'un algorithme de clustering sont exprimées comme des étapes dans un processus récurrent, superposées aux représentations produites par un réseau neuronal convolutif (CNN). Lors de l'entraînement, les clusters d'images et les représentations sont mis à jour conjointement : le clustering d'images est effectué lors du passage en avant, tandis que l'apprentissage des représentations est réalisé lors du passage en arrière. L'idée clé derrière ce cadre est que de bonnes représentations sont bénéfiques pour le clustering d'images et que les résultats de clustering fournissent des signaux de supervision à l'apprentissage des représentations. En intégrant ces deux processus dans un seul modèle avec une perte triplet pondérée unifiée et en l'optimisant bout à bout, nous pouvons obtenir non seulement des représentations plus puissantes, mais aussi des clusters d'images plus précis. De nombreuses expériences montrent que notre méthode surpasse l'état de l'art en matière de clustering d'images sur divers ensembles de données d'images. De plus, les représentations apprises se généralisent bien lorsqu'elles sont transférées à d'autres tâches.