Résumé : Dans un cadre statistique où les observations sont des nuages de points indépendants, ou plus généralement des mesures i.i.d., j'exposerai une méthode non-supervisée de vectorisation de ces mesures permettant l'application postérieure de procédures standard d'apprentissage. Quoique fruste, cette transformation offre quelques garanties théoriques dans un cadre de clustering de mesures. Cette simplicité permet surtout de traiter en pratique des problèmes avec grandes tailles d'échantillon de mesures potentiellement complexes, en temps raisonnable. J'illustrerai cette allégation pour des problèmes de classification de graphes notamment.