diff --git a/README.md b/README.md
index 2f8fcb404135ffce1bed0a10b670b6099002f1db..10d406f9058592106b335c18bb9d0690070346cf 100644
--- a/README.md
+++ b/README.md
@@ -27,6 +27,6 @@ sur `gitedu`. La note sera une combinaison de la réalisation et de la présenta
 6. Wordle avec solution "optimale".
 7. Triangulation de delauney/voronoi (sur les données sitg => 2.5d).
 8. [Algorithme génétique](algogen.md)
-9. Algorithme de k-means clustering.
+9. [K-Means](kmeans.md)
 10. [Recuit simulé](recuit.md).
 
diff --git a/kmeans.md b/kmeans.md
new file mode 100644
index 0000000000000000000000000000000000000000..990d1b63bb53bc277567ed8fc2474e51cb8947e1
--- /dev/null
+++ b/kmeans.md
@@ -0,0 +1,21 @@
+# K-means
+
+## But
+
+Le but de ce travail pratique est d'implémenter la méthode des k-moyennes pour partitionner des données de façon non supervisée.
+
+## Marche à suivre
+
+Dans un premier temps par groupe, vous devez établir votre marche à suivre et proposer
+un énoncé commun à votre groupe. Vous avez une semaine pour rendre cet énoncé à partir
+du moment où vous avez reçu cet énoncé. Afin de vous aider dans votre tâche, nous vous proposons
+les questions ci-dessous.
+
+## Questions auxquelles vous devez tenter de répondre
+
+* Qu'est-ce que le partitionnement de données (ou clustering)?
+* Qu'est-ce que la méthode des k-moyennes (k-means)?
+* Sur quel type de données, allez vous appliquer votre algorithme?
+* Comment allez-vous valider que votre algorithme est correctement implémenté?
+* Quelle sera l'interface de votre programme avec l'utilisateur/trice?
+