La plupart des méthodes d'extraction de motifs requièrent que l'uti- lisateur formalise son intérêt avec une mesure d'intérêt et des seuils. L'utili- sateur est souvent incapable d'expliciter son intérêt mais il saura juger si un motif donné est pertinent ou non. Dans cet article, nous proposons une nou- velle méthode de découverte de motifs interactive en supposant que seule une partie des données est intéressante pour l'utilisateur. En intégrant le retour utili- sateur de motifs proposés un à un, notre méthode vise à échantillonner des mo- tifs avec une probabilité proportionnelle à leur fréquence d'apparition au sein des transactions implicitement préférées par l'utilisateur. Nous démontrons que notre méthode identifie exactement les transactions implicitement préférées par l'utilisateur sous réserve de la consistance de ses retours. Des expérimentations montrent les bonnes performances de l'approche en terme de précision et rappel.