Les systèmes de recommandation sont de plus en plus présents, notamment sur Internet où il est maintenant usuel de proposer par exemple un hôtel ou un film à une personne en fonction de son profil et de ce qu'ont choisi les internautes lui ressemblant. Ces systèmes de recommandation s'appuient souvent sur des systèmes dédiés initialement à la classification et notamment à la classification à partir de règles d'association, ceux-ci étant capables d'expliquer les décisions. Cependant, même s'il existe des approches permettant d'extraire des règles d'association et motifs séquentiels flous quand les données sont numériques, celles-ci n'ont pas été étendues pour la classification et la recommandation. Dans cet article, nous nous intéressons donc à l'utilisation de règles d'association floues pour la définition d'un système de recommandation et nous montrons l'intérêt de cette approche à travers différentes expérimentations.