La classification bayesienne est la base de la segmentation stochastique non supervisée. Dans ce présent papier, nous présentons une méthode de segmentation stochastique basée sur la combinaison de l’algorithme d’Estimation Maximisation EM, et l’échantillonnage Bootstrap. L’objectif de ce présent papier est de comparer la méthode de segmentation classique avec celle utilisant l’échantillonnage Bootstrap. La taille optimale de l’échantillon Bootstrap nécessaire et suffisante est étudiée. Dans ce contexte deux critères sont présentés, ainsi que la combinaison de ces deux critères. Ces travaux sont ensuite validés par la segmentation d’images IRM cérébrales synthétiques dont on connaît la vraie segmentation