La classification des arythmies constitue une tâche difficile pour un être humain, et son automatisation est fortement souhaitable. Toutefois, la classification entièrement automatique des arythmies à partir de signaux d’électrocardiogramme (ECG) reste un défi important lorsqu’on adopte le paradigme inter-patients. Dans ce cadre, les classificateurs sont évalués sur des signaux provenant de sujets inconnus, ce qui reflète fidèlement la situation réelle. Dans ce travail, nous explorons une nouvelle représentation des signaux ECG basée sur le vectorcardiogramme (VCG), appelée vectorcardiogramme temporel (TVCG), associée à un réseau complexe pour l’extraction de caractéristiques. Nous affinons également le classificateur SVM et réalisons une sélection de caractéristiques à l’aide d’un algorithme d’optimisation par essaim de particules (PSO). Les résultats obtenus dans le cadre du paradigme inter-patients montrent que la méthode proposée atteint des performances comparables aux états de l’art sur la base de données MIT-BIH (53 % de précision positive (+P) pour la classe de battements ectopiques supraventriculaires (S) et 87,3 % de sensibilité (Se) pour la classe de battements ectopiques ventriculaires (V)). Ces résultats indiquent que le TVCG constitue une représentation plus riche du battement cardiaque et pourrait s’avérer utile pour des problèmes impliquant des signaux cardiaques et la reconnaissance de motifs.Code source disponible à l’adresse : http://www.decom.ufop.br/csilab/site_media/uploads/code/tvcg_pso.zip