L’objectif de cette étude est d’analyser le jeu de données TIMIT, contenant des enregistrements audios de 5 phonèmes différents "sh", "dcl","iy","aa" et"ao". L’étude sera réalisée en plusieurs étapes : une analyse exploratoire non supervisée pour classifier les trames vocales, puis une analyse supervisée pour discriminer les phonèmes en utilisant différentes méthodes telles que l’analyse factorielle discriminante (AFD) et la PLS-DA. L’interprétation des résultats et la validation sur un échantillon test seront des éléments clés pour évaluer la performance des modèles développés.
Les résultats de notré étude suggèrent que l’AFD est une méthode de classification plus appro- priée que la PLS-DA pour la classification des phonèmes. Cependant, il est important de noter que notre étude a été menée sur un ensemble de données spécifique et que les résultats pourraient varier en fonction des données utilisées. De plus, d’autres méthodes de classification pourraient également être explorées pour cette tâche.