Cet article présente un système non supervisé simple mais performant pour la découverte d’hyperonymes. Le système utilise des embeddings de mots du type skip-gram avec échantillonnage négatif, entraînés sur des corpus spécialisés. Les candidats à l’hyperonymie d’un mot d’entrée sont prédits en se basant sur des scores de similarité cosinus. Deux jeux de modèles d’embeddings de mots ont été entraînés séparément sur deux corpus spécialisés : un corpus médical et un corpus de l’industrie musicale. Notre système a obtenu le meilleur score dans le domaine médical parmi les systèmes non supervisés concurrents, mais a performé médiocrement dans le domaine de l’industrie musicale. Le système ne dépend d’aucune donnée externe autre que des corpus spécialisés bruts.