A la difference des algorithmes de type "nuees dynamiques" ou lesmethodes statistiques, la classiffication ascendante hierarchique(CAH) est une methode d'analyse de donnees permettant d'identifierles groupes de donnees sans en connaître leur nombre a priori. L'undes inconvenients de la CAH est qu'elle est mal adaptee a la gestiond'un nombre important d'objets a classer. Les algorithmes dequantification vectorielle sont classiquement utilises pour trouverun ensemble de vecteurs referents permettant de coder de manierecompacte tous les vecteurs d'un ensemble de donnees. Leur repartitiondepend de la fonction densite sousjacente aux donnees. Comparees auxmethodes classiques de quantification vectorielle, les cartestopologiques introduisent une relation supplementaire de voisinageentre les vecteurs referents. L'algorithme topologique le plus connuest celui propose par Kohonen. D'autres generalisations de cetalgorithme ont ete proposees, elles proposent des algorithmesd'apprentissage qui permettent en plus d'approximer la fonction dedensite de la population observee selon des modeles probabilistesplus complexes, PRSOM est l'un de ces algorithmes. Dans cet article,nous proposons un algorithme de classification mixte qui combinel'algorithme probabiliste des cartes topologiques (PRSOM) et la CAH.Nous testons son eficacite sur un probleme reel d'oceanographie : laclassification des spectres du radiometre SeaWiFS.