Le travail présenté dans cet article tente d'apporter une contribution dans l'optique de la conception d'un système d'apprentissage incrémental. La démarche adoptée consiste à mettre en place un système de classification multiple où un ensemble de classifieurs de base sont pilotés par une carte neuronale auto-organisatrice. Celle-ci permet de rendre compte de la topologie des données d'apprentissage et d'activer le ou les classifieurs concernés. De plus, le système proposé permet d'établir un critère de confiance s'affranchissant totalement du type de classifieurs utilisés. Ce coefficient permet de régler le compromis Erreur/Rejet. La carte utilisée est un Growing Neural Gas (GNG) qui est un modèle non supervisé incrémental en données. Des résultats comparatifs de cette architecture sont donnés sur la base de segmentation d'images de l'UCI et sur des données de reconnaissance de chiffres manuscrits.