La construction des graphes de plus proches voisins est un problème crucial pour nombre d'applications, notamment celles impliquant des algorithmes d'apprentissage et de fouille de données. Bien qu'il existe certain travaux visant à résoudre le problème dans des environnements centralisés, ils en restent néanmoins limités en raison du volume croissant des données ainsi que leur dimensionalité. Dans cet article, nous proposons une méthode basée sur des fonctions de hachage pour la construction des graphes de plus proches voisins. La m ethode propos ee est distribuable et scalable, aussi bien en volume qu'en dimensionalit e. Par ailleurs, l'utilisation d'une nouvelle famille de fonctions de hachage, RMMH, garantit l'équilibre des charges en environnements parallèles est distribués.