Certains problèmes d’apprentissage non-supervisé peuvent être représentés en terme de variables cachées. Nous nous intéresserons au cas où les données seraient représentables par une combinaison linéaire de caractéristiques. Dans ce contexte, les caractéristiques et leur nombre sont inconnus. Une solution employant une approche Bayésienne non-paramétrique est présentée afin d’estimer les caractéristiques utilisées. La méthode est fondée sur le processus du buffet Indien, une distribution sur des matrices binaires infinies apparues en 2005.