Les images de pucesàpuces`pucesà ADN mettent en défaut les traite-ments classiques d'imagerie, en raison du faible contraste des spots et de l'irrégularité de leur formes. De nouvelles approches doivent doncêtredoncˆdoncêtre spécifiquement développées. Nous proposons ici un algorithme non supervisé de seg-mentation de spots sur de telles images. La méthode re-pose sur un algorithme de division/fusion fondé sur une tri-angulation itérative de Delaunay, permettant la définition d'une partition de l'image en polygones homogènes. Les paramètres de cet algorithme sont définis en fonction des spécificités de l'image, et la méthode estévaluéeest´estévaluée sur des données de synthèse. Elle est ensuite comparéè a des techniques classiques utilisées en analyse d'images de pucesàpuces`pucesà ADN. Mots Clef PucesàPuces`Pucesà ADN, Segmentation, Triangulation de Delaunay. Abstract Microarray images push to their limits classical analysis methods, since gene spots are often poorly contrasted, ill defined and of irregular shapes. New approaches are thus needed to ensure accurate data extraction from these images Herein we present an automatic non-supervised algorithm for a spot data extraction from DNA microarrays. The method is based on a split and merge algorithm, relying on an iterative Delaunay triangulation process, allowing an incremental partition of the image into homogeneous polygons. Geometric properties of triangles as well as homogeneity criteria are defined according to the spe-cificities of microarray image signals. The method is first assessed on simulated data, and then compared with classical methods used in this field.