Dans le cadre du contrôle qualité de décors verriers par analyse d’image, nous proposons une méthodologie originale de classification supervisée de textures couleur pour identifier les défauts d’aspect présents sur les décors. Cette méthodologie consiste à construire un espace d’attributs de texture couleur discriminant de dimension réduite lors d’un apprentissage hors ligne afin d’y représenter les textures à classer en ligne. Afin de satisfaire aux contraintes exigées par une application industrielle en termes de qualité de résultats et de temps de calcul, l’originalité de notre approche consiste à sélectionner automatiquement un nombre réduit d’attributs qui, d’une part sont évalués à partir d’images codées dans plusieurs espaces couleur exploitant des propriétés différentes et d’autre part, tiennent compte des relations spatiales intra et inter-composantes existant au sein de ces espaces. Nous montrons alors que les indices d’Haralick extraits des matrices de co-occurrences chromatiques sont des attributs répondant à ces objectifs lorsque le nombre de couleurs de l’image est réduit grâce à une sous-quantification des composantes couleur et qu’un voisinage isotropique est utilisé. L’approche proposée est d’abord appliquée à trois bases d’images de textures couleur de référence afin de montrer l’apport de l’approche multi-espaces couleur et le bénéfice que présente la sélection d’attributs, avant d’être appliquée au contrôle qualité des décors verriers. Pour répondre au problème de sous-représentativité des prototypes lié à cette application, nous introduisons une approche originale basée sur la génération d’images de synthèse présentant les défauts à détecter. / In the framework of decorated glasses quality control by image analysis, we propose an original methodology of supervised color texture classification in order to identify aspect flaws on patterns. This methodology consists in determining a low dimensional discriminating color texture feature space during an off-line learning stage in order to perform an on-line texture classification in this selected feature space. To satisfy constraints required by industrial applications about processing time and quality of texture classification, the originality of our approach consists in automatically selecting a reduced number of features which, on one hand are evaluated from images coded in several color spaces with different properties and on the other hand, which take into account the spatial relationships within and between the color components of each space. Then, we show that Haralick features extracted from color cooccurrence matrices answer to these goals when the number of colors in the image is reduced thanks to a quantization of color components and when an isotropic neighborhood is used. The proposed approach is firstly applied on three color texture benchmark databases in order to show the contribution of the multi color space approach and the advantage of feature selection. The method is then applied to decorated glasses quality control. In order to answer to the lack of prototypes, we introduce an original approach based on the generation of synthetic images where aspect flaws are present.