Résumé : La segmentation, ou détection de ruptures multiples, est un problème rencontré dans de nombreux domaines, par exemple en météorologie, économétrie ou génétique moléculaire. De manière générale, on observe un signal bruité, affecté par des changements brutaux appelés ruptures. Les méthodes classiques ont comme objectif de trouver la position de ces ruptures et d'inférer la vraie valeur du signal. Calculer la probabilité a posteriori d'une segmentation ou celle d'une rupture est techniquement difficile car le nombre de segmentations possibles est grand. Toutefois, ces informations pourraient permettre de mieux comprendre la structure des données. Nous proposons un algorithme efficace pour l'exploration exhaustive de l'espace des segmentations. Cet algorithme nous permet de calculer exactement la probabilité a posteriori d'une segmentation. Il devient alors possible de calculer la probabilité d'une rupture ou d'un segment, ainsi que l'entropie de l'espace des segmentations. De plus, à partir de ces quantités, nous dérivons des critères BIC et ICL pour sélectionner le nombre de segments. Dans le cadre de la régression, nous obtenons un estimateur de l'espérance du signal à chaque position.