Dans cet article, nous étudions la relation entre la découverte de motifs sous contraintes et les CSPs (Constraint Satisfaction Problems) afin de définir des contraintes de plus haut niveau qui sont précieuses pour mener à bien des tâches de fouille de données. Pour cela, nous proposons une approche de modélisation et d'extraction de motifs sous contraintes n-aires exploitant les motifs locaux. L'utilisateur définit un ensemble de contraintes n-aires et un solveur de CSP génère l'ensemble des solutions. Notre approche profite des progrès récents sur l'extraction de motifs locaux et permet de modéliser de manière concise et élégante tout ensemble de contraintes combinant plusieurs motifs locaux, permettant ainsi la découverte de motifs répondant mieux aux buts finaux de l'utilisateur. Les expériences menées montrent la faisabilité de notre approche.