Cet article présente une nouvelle approche pour améliorer la performance des classifieurs bayésiens. Notre méthode est basée sur la combinaison de deux idées : la classification par paires et l'optimisation d'un seuil. Par l'introduction d'un seuil par paire de classes, on augmente l'expressivité du modèle, et donc sa performance sur des problèmes complexes tels ceux sensibles au coût. Nous comparons notre algorithme à d'autres approches sensibles au coût et montrons qu'il réduit le coût global.