Dans la recherche sur les véhicules autonomes, nous sommes souvent amenés à étudier la similarité entre des images de l'environnement prises à différents moments (Birem et al., 2014). Les données résumées issues de séquences vidéo réelles (Korrapati et al., 2013) se présentent sous forme de matrices dans lesquelles des lieux différenciés (e.g. ligne droite, intersection...) correspondent à des blocs relativement homogènes. Le but est de proposer une méthode automatique pour estimer les frontières de ces blocs. Pour répondre à cette question, il existe des algorithmes développés pour l'analyse des données Hi-C issue de la biologie (Dixon et al., 2012) dont la problématique est similaire. En particulier, Brault et al. (2016) proposent une segmentation fondée sur des statistiques de rang que nous proposons d'utiliser. Dans cet exposé, nous commencerons par motiver la segmentation dans le cas des voitures autonomes puis nous introduirons le modèle et la méthode utilisée. Dans un second temps, nous présenterons les derniers résultats obtenus et nous conclurons par des comparaisons sur des données simulées et des applications sur des données réelles. Travail en collaboration avec Céline Lévy-Leduc, Sarah Ouadah et Laure Sansonnet pour la théorie et avec Jean-Charles Quinton pour l'application.