Nous étudions un paradigme pour la séparation de deux sources sonores avec un seul capteur. On compare expérimentalement trois méthodes de décomposition parcimonieuse pour un dictionnaire constitué de l'union de deux bases. On évalue la qualité de la séparation en fonction de la parcimonie de chaque source. De manière complémentaire, on étudie également l'apprentissage d'une base à partir d'une classe de signaux sonores définie par des exemples. On constate qu'à qualité de séparation sensiblement égale, notre méthode originale de seuillage alterné se distingue des méthodes FOCUSS et Basis Pursuit par des temps de calculs beaucoup plus faibles. Par ailleurs, il semble que l'apprentissage de bases par Analyse en Composantes Indépendante ou Principales soit insuffisant dans notre contexte.