Il est maintenant acquis que de très fortes relations existent entre l'apprentissage supervisé et non-supervisé [NIPS*98 Workshop on Integrating Supervised and Unsupervised Learning]. L'approche décrite dans ce papier est basée sur l'idée que le supervisé et le non-supervisé peuvent être vus comme les instances particulières d'un problème plus général de couverture minimale. Le système GloBo a pour objectif de caractériser les sous-concepts vérifiant une propriété particulière : la correction par rapport aux exemples négatifs dans le cas du supervisé, et une spécificité suffisante en non-supervisé. Ce système est stochastique et travaille en temps polynômial. Les expérimentations menées sur des problèmes bien connus, en supervisé comme en non-supervisé, valident notre approche.