Cet article traite de l'intégration de connaissances structurelles dans le processus de classification d'une image satellite. Supposons que nous ayons mis en évidence dans une image, par un moyen quelconque, un certain nombre d'objets. Supposons d'autre part que nous ayons récolté auprès d'un expert un certain nombre de connaissances structurelles sur les classes auxquelles nous sommes tentés de rattacher ces objets. Se posent alors trois questions fondamentales. Comment représenter les connaissances ? Comment mesurer l'adéquation entre les objets et les connaissances censées les concerner ? Comment utiliser de telles mesures pour mieux classifier l'image ? Nous décrivons dans cet article une approche fondée sur la représentation des connaissances par un système d'inférence floue ; le calcul, dans une étape préliminaire, d'une partition floue et de la partition nette qui lui est associée ; l'utilisation de méthodes heuristiques d'optimisation combinatoire. Des résultats expérimentaux obtenus à partir de données et connaissances de synthèse ainsi que de l'image RVB d'un objet simple très structuré montrent le bien-fondé de notre approche.