Cet article décrit plusieurs méthodes permettant l'amélioration du pouvoir discriminant d'ensembles de primitives discrètes. En tirant partie des possibilités offertes par la modélisation markovienne des caractères, nous proposons une technique permettant l'application de l'algorithme LDA sur nos données. Différentes méthodes de segmentation de la zone d'intérêt lors de l'extraction des caractéristiques sont présentées. Finalement une stratégie de pondération de ces différentes zones est définie. Elle permet d'intégrer l'information concernant le style d'écriture de l'échantillon traité. Les résultats expérimentaux obtenus montrent l'intérêt des différentes stratégies.