La découverte de règles d'association à partir de données transaction- nelles est une tâche largement étudiée en fouille de données. Les algorithmes proposés dans ce cadre partagent la même méthodologie en deux étapes à savoir l'énumération des itemsets fréquents suivie par l'étape de génération de règles. Dans cet article, nous proposons une nouvelle approche basée sur la satisfiabilité propositionnelle pour extraire les règles d'association en une seule étape. Pour montrer la flexibilité et la déclarativité de notre approche, nous considérons éga- lement deux autres variantes, à savoir la fouille de règles d'association fermées et la fouille de règles indirectes. Les expérimentation sur plusieurs jeux de don- nées montrent que notre approche offre de meilleures performances comparée à des approches spécialisées.