L'élaboration d'une règle de décision à partir d'une base d'apprentissage suppose en général que l'étiquetage des données utilisées n'est pas entaché d'erreur. Cette situation idéale n'est cependant pas toujours réaliste, en particulier lorsque les phénomènes à détecter sont complexes. L'objectif de ces travaux est de proposer une méthode pour la fusion d'expertises divergentes qui autorise une analyse a posteriori de la pertinence de chacun des experts. La méthode proposée repose sur la maximisation de l'information mutuelle normalisée entre les observations et une fonctionnelle des avis émis par les experts. La méthode a été appliquée avec succès à la détection de transitoires dans les signaux physiologiques du sommeil.