Nos travaux concernent l'exploitation de la spectroscopie en multiples excitations d'autofluorescence (AF) pour le diagnostic des états précancéreux de tissus épithéliaux. Nous proposons un algorithme de fusion des informations tirant partie de la résolution spatiale pour améliorer les performances diagnostiques obtenues par classification supervisée. La méthode proposée est constituée d'une étape d'extraction de caractéristiques à partir des matrices d'émission-excitation (EEMs) d'AF suivie d'une étape de classification supervisée multi-catégories. Pour l'extraction de caractéristiques discriminantes, nous exploitons la transformée en cosinus discret bi-dimensionnelle (DCT-2D) sur les spectres d'intensité d'AF, sans connaissance a priori. La classification est basée sur la mise en œuvre de séparateurs à vaste marges (SVM). L'approche un-contre-tous a été adoptée pour discriminer quatre classes histologiques (sain, hyperplasique compensatoire et atypique, et dysplasique). Afin d'exploiter la combinaison des résultats obtenus à 3 distances inter-fibres, nous avons complété cet algorithme par une méthode de fusion de décision (sources) basée sur les fonctions de croyance. Les taux de classification obtenus pour trois distances sont respectivement : 81,3%, 76,6% et 75,4%. La fusion des informations issues des trois distances au niveau de la décision permet d'atteindre un taux de classification de 84%.