Dans cette contribution, nous présentons un nouvel algorithme de séparation de sources dans le cas d'un mélange linéaire instantané bruité dans un cadre bayésien. La distribution a priori des sources est modélisée par un mélange de gaussiennes et celle de la matrice de mélange par une gaussienne.Le mélange de gaussiennes est modélisé hiérarchiquement grâce à l'introduction de variables cachées représentant les étiquettes du mélange. Nous considérons la distribution a posteriori des sources, de la matrice de mélange, des étiquettes du mélange gaussien et des hyperparamètres du mélange avec des a priori appropriés afin d'éliminer la dégénérescence des variances et nous proposons un algorithme itératif pour estimer conjointement les sources, la matrice de mélange et les hyperparamètres.