Dans ce papier, nous avons cherché à évaluer l'intérêt de la création de classes de signatures manuscrites pour un système d'authentification en ligne. Notre objectif est d'étudier : comment créer automatiquement des classes de signatures (ou styles de signature) ; comment prendre en compte ces classes pendant l'authentification afin de spécialiser le système lors de l'enrôlement d'un utilisateur ; quelles améliorations nous pouvons en attendre. Dans notre étude, la création des classes s'effectue grâce à deux algorithmes de clustering et en se basant sur différents sous-espaces de description des signatures. La spécialisation du système consiste à déterminer non plus un seuil de décision (acceptation ou rejet) global au système (i.e. le même pour toutes les personnes qui s'enrôleront) mais un seuil adapté à chacune des classes. En termes d'évaluation, nous nous sommes plus particulièrement attachés à étudier l'impact de la classification (en fonction de l'algorithme de classification, du nombre de classes, de l'espace de description) sur les performances d'un système d'authentification basé sur une approche Coarse To Fine et l'algorithme Dynamic Time Warping. Les résultats expérimentaux sur la base SVC montrent que l'on peut améliorer les performances en diminuant le taux d'erreurs égales de 14,4 %. Cependant la sensibilité de la classification est très grande et la notion de classe unique pour un signataire semble trop restrictive.