Les graphes bipartis peuvent être utilisés pour modéliser une grande variété d'informations dyadiques telles que les paires utilisateur-score, document-terme et gène-conditions expérimentales. Le biclustering est une extension du clustering au graphe biparti sous-jacent induit par ce type de données. Dans cet article, nous tirons parti du transport optimal (OT), qui s'est popularisé dans la communauté de l'apprentissage automatique, pour proposer un nouveau modèle de biclustering efficace qui généralise plusieurs approches classiques de biclustering. Nous réalisons des expériences approfondies pour montrer l'intérêt de notre approche par rapport à d'autres algorithmes de biclustering de type OT.