Dans de nombreuses applications, les variables explicatives
sont des fonctions discrétisées et beaucoup de méthodes
d'analyse statistique des données ont été transposées au 
cadre fonctionnel. Nous nous proposons ici de présenter 
l'utilisation des SVM, connus pour leurs bonnes capacités 
de généralisation, pour la discrimination de courbes. Nous 
introduisons divers noyaux permettant d'aboutir à des 
procédures consistantes (basés sur des bases hilbertiennes 
ou s'appuyant sur la structure de RKHS des espaces de 
Sobolev) et illustrons notre propos par plusieurs 
expériences sur données réelles ou simulées.