Dans cet article, nous nous concentrons sur l'apprentissage non supervisé de représentations pour le regroupement d'images. Les avancées récentes en apprentissage de représentations non supervisées et en clustering profond reposent sur l'idée que différentes vues d'une même image d'entrée (générées par des techniques d'augmentation de données) doivent être proches dans l'espace de représentation (cohérence exemplaire), et/ou que des images similaires doivent avoir des affectations de cluster similaires (cohérence de population). Nous introduisons une nouvelle notion de cohérence, appelée cohérence de consensus, qui garantit que les représentations apprises induisent des partitions similaires face à des variations dans l'espace de représentation, à des algorithmes de clustering différents, ou à des initialisations différentes d'un même algorithme de clustering. Nous définissons une fonction de perte de clustering en appliquant des variations dans l'espace de représentation, et intégrons de manière fluide les trois types de cohérence (consensus, exemplaire et population) dans un cadre d'apprentissage end-to-end. L'algorithme proposé, appelé Consensus Clustering using Unsupervised Representation Learning (ConCURL), améliore les performances de clustering par rapport aux méthodes de pointe sur quatre des cinq jeux de données d'images. En outre, nous étendons la procédure d'évaluation du clustering afin de refléter les défis rencontrés dans les tâches de clustering réelles, notamment la conservation des performances en cas de décalage de distribution. Nous menons également une étude d'ablation détaillée pour mieux comprendre les mécanismes de l'algorithme proposé. Le code source et les modèles entraînés sont disponibles à l'adresse suivante : https://github.com/JayanthRR/ConCURL_NCE.