Cette contribution montre à travers une synthèse de l'état de l'art que les systèmes d'indexation en locuteurs dépendent fortement des performances de l'étape de segmentation dont l'élément déterminant est la mesure de similarité adoptée. La définition de cette mesure dépend notamment de l'espace de représentation des données et de la méthode de classification adoptée. Dans ce cadre, nous adoptons le formalisme des Méthodes à Vecteurs de Support (SVM), comme outil de décision discriminant. Son avantage principal est de contrôler la complexité du modèle ajusté aux données et de prendre en compte l'information paramétrée selon diverses configurations et tailles des vecteurs acoustiques. Nous exploitons les informations extraites de l'entraînement du classifieur (SVM) , pour définir une distance dans l'espace des caractéristiques. Son caractère géométrique facilite son calcul et son interprératation. Cette mesure est mise en oeuvre dans le cadre d'algorithmes pour la détection de ruptures puis le regroupement de segments correspondant à l'intervention des différents locuteurs.