Dans cet article, nous abordons le problème du clustering multi-vues, où les attributs sont décomposés en groupes qui fournissent des informations complémentaires. Nous présentons une nouvelle approche de clustering multivues BCmvlearn qui combine la représentation par coordonnées barycentriques (CB), utilisée dans de précédents travaux de clustering, avec le clustering multivues RMKMC basé sur KMeans, qui permet une mise à jour automatique des poids des vues. Cette approche réduit la complexité sans sacrifier la qualité du clustering. En outre, notre algorithme ne dépend pas de la forme vectorielle des données originales, ce qui le rend applicable au clustering multimodal.