Le défi principal de cette thèse est la détection de changements dans les ensembles de prédicteurs entre différents contextes, appliquée à l'analyse différentielle de réseaux de régulation génétique. Nous proposons d’explorer les possibilités offertes par les méthodes de recherche de sous-groupes, notamment celles basées sur le subspace clustering et la découverte de motifs. Par souci d'efficacité, nous proposons d'alterner les étapes de subspace clustering et/ou de découverte de motifs avec des étapes de sélection de prédicteurs. La difficulté principale sur le plan du data mining est de concevoir une telle alternance, depuis l'étude de ses propriétés formelles jusqu'à l'implantation d'algorithmes efficaces.