Les travaux présentés concernent l’extraction de connaissances dans une base de données binaire D. Nous y présentons différentes contributions. Dans un premier temps, nous abordons une nouvelle méthode permettant l’extraction simultanée des itemsets fermés fréquents, maximaux fréquents, et leurs générateurs minimaux de D. Dans un second temps, des techniques originales permettant la génération des règles d’association valides sont également développées. Des expériences sur des données bien connues de la littérature confirment leur potentiel. Enfin, nous présentons des approches permettant la représentation de ces règles valides par des graphe et arbre. Des expérimentations menées sur des données de référence, à des résolutions différentes, montrent l’efficacité de nos approches tant en fouille qu’en classification de données.