Les méthodes traditionnelles de clustering d'images adoptent une approche en deux étapes, l'apprentissage des caractéristiques et le clustering, réalisées séquentiellement. Cependant, les résultats récents de la recherche ont démontré que l'association de ces phases distinctes dans un cadre unifié et leur entraînement conjoint peuvent améliorer les performances. Dans cet article, nous introduisons d'abord des auto-encodeurs entièrement convolutionnels pour l'apprentissage des caractéristiques d'images, puis nous proposons un cadre de clustering unifié pour apprendre conjointement les représentations d'images et les centres de clusters, basé sur un auto-encodeur entièrement convolutionnel et des scores de soft $k$k-means (soft $k$k-means). Au début du processus d'apprentissage, les représentations extraites par l'auto-encodeur peuvent ne pas être très discriminantes pour le clustering ultérieur. Nous abordons ce problème en adoptant une distribution discriminante boostée, où les affectations à haut score sont mises en avant et celles à faible score sont minimisées. Avec cette discrimination progressivement renforcée, les scores d'affectation au clustering deviennent plus discriminants et la pureté des clusters s'accroît. Les expériences menées sur plusieurs jeux de données de référence en vision montrent que nos méthodes peuvent atteindre des performances de pointe.Note : La mention "soft $k$k-means" est conservée telle quelle car il s'agit d'un terme technique couramment utilisé en français dans le domaine de la science informatique.