Dans ce travail nous considérons le problème de séparation de sources dans un cadre bayésien. Nous transportons le problème dans le domaine d'ondelettes où les coefficients d'ondelettes des signaux sont modélisés par une loi exponentielle double. Dans un premier temps, les coefficients sont supposés indépendants et identiquement distribués. Nous leurs attribuons ensuite un modèle hiérarchique markovien du premier ordre pour prendre en compte une corrélation inter-échelles. Un algorithme MCMC Hastings Metropolis/Gibbs est développé pour l'estimation (sources, matrice de mélange,hyperparamètres des lois a priori).