L'apprentissage supervisé ou partiellement supervisé est puissant mais repose sur des efforts d'annotation humaine de plus en plus importants. Pour atténuer ce problème sérieux et servir des applications spécifiques, l'apprentissage non supervisé est apparu comme un domaine de recherche important. En vision par ordinateur, l'apprentissage non supervisé prend diverses formes. Nous nous concentrons ici sur la découverte et le couplage non supervisés de catégories d'objets parmi les images d'une collection, en suivant les travaux de Cho et al. (2015). Nous montrons que l'approche originale peut être reformulée et résolue sous forme d'un problème d'optimisation approprié. Les expériences menées sur plusieurs bancs d'essai établissent la pertinence de notre approche.