Cet article présente une carte auto-organisatrice probabiliste pour l'analyse et la classification topologique des données catégorielles. En considérant un modèle de mélanges parcimonieux nous introduisons une nouvelle carte autoorganisatrice (SOM) probabiliste. L'estimation des paramètres de notre modèle est réalisée à l'aide de l'algorithme EM classique. Contrairement à SOM, l'algorithme d'apprentissage proposé optimise une fonction objective. Ces performances ont été évaluées sur des données réelles et les résultats obtenus sont encourageants et prometteurs à la fois pour la classification et pour la modélisation.