Dans cet article, nous proposons une méthode non-supervisée de détection des anomalies dans les séries temporelles multi-variées par partitionnement appelée PARADISE. Cette méthode consiste à créer une partition des variables de la série temporelle étudiée en garantissant la conservation des relations inter-variables servant à identifier les anomalies. Ce partitionnement repose sur un clustering de plusieurs corrélations entre variables. La détection des anomalies est réalisée localement sur chacune des parties. Plusieurs expérimentations effectuées sur des jeux de données synthétiques et réels issus de la littérature, montrent la pertinence de l'approche avec une amélioration significative de la détection d'anomalies.