Nous proposons un modèle de mélange de copules gaussiennes pour la classification non supervisée de données mixtes. Les marginales de chaque composante sont des distributions standard, ce qui facilite l'interprétation des classes. Les corrélations intra-classe, quant à elles, sont prises en compte au travers des copules gaussiennes qui estiment un coefficient de corrélation, par couple de variables et par classe, ayant des propriétés de robustesse. De plus, les copules gaussiennes permettent de visualiser les données par classe. Dans un cadre bayésien, l'estimateur du maximum \emph{a posteriori} est obtenu par un échantillonneur de Gibbs permettant d'explorer efficacement l'espace des paramètres. La classification d'un jeu de données médical illustre notre modèle.