Dans le problème de séparation de sources indépendantes, la prise en compte de la structure temporelle des sources permet d'utiliser des modèles gaussiens. On peut alors aisément optimiser une vraisemblance en spécifiant la distribution de chaque processus source via une simple fonction (profil de variance ou densité spectrale). Cet article propose une méthode simple et flexible pour estimer cette fonction à partir des données elles-mêmes comme une fonction constante par morceaux sur une partition dyadique. Dans cette approche, la vraisemblance apparaît à la fois comme un critère d'indépendance (dans sa dépendance au mélange) et comme un critère de parcimonie (dans sa dépendance à la répartition d'énergie des sources).