Le clustering de sous-espaces a été appliquée avec succès dans de nombreux domaines, son objectif est de détecter simultanément les clusters et les sous-espaces d'attributs d'origine dans lequel ces clusters existent. Un flux de données est une séquence massive de données venant en continu. Le clustering de ce type de données nécessite certaines restrictions de temps et de mémoire. Dans cet article, nous proposons une nouvelle méthode appelée S2GStream basée sur le clustering de flux de données et le clustering de sous-espaces souple. Des expériences sur des ensembles de données ont montré la capacité de S2G-Stream à détecter simultanément les meilleures attributs, sous-espaces et le meilleur clustering.