La plupart des algorithmes de biclustering existants tiennent compte uniquement de la présence de propriétés que possède un ensemble d'objets. Cependant, il pourrait être fort utile dans plusieurs domaines d'application tels que le crime organisé, la génétique ou le marketing numérique d'identifier des groupes homogènes d'objets présentant des similarités tant au niveau de la présence que de l'absence d'attributs. Dans cet article, nous présentons une méthode générique de biclustering qui exploite une matrice binaire pour produire au moins trois types de biclusters : (i) ceux où toutes les valeurs sont égales à 1, (ii) ceux où toutes les valeurs sont égales à 0, et (iii) ceux indiquant la présence de certains attributs et/ou l'absence d'autres attributs sans nécessité de tenir compte du complémentaire du contexte (matrice) binaire de départ. L'implémentation et la validation de la méthode sur des collections de données permettent d'illustrer son potentiel de découverte de motifs pertinents.