En reconnaissance de mots manuscrits, la capacité de rejeter les mots qui n'appartiennent pas au lexique ou présentent une ambiguïté est indispensable pour fiabiliser un système de reconnaissance utilisé en condition réelle. Dans cet article, un nouveau système de rejet reposant sur des classifieurs de type séparateur à vaste marge (SVM) et sur un algorithme original d'apprentissage de seuils multiples est présenté. En substance, nous proposons d'utiliser un ensemble de SVM pour réévaluer les hypothèses produites par un sys-tème de reconnaissance de mots classique à base de modèles de Markov cachés. Le mécanisme de vérification rejette ou accepte ces hypothèses en comparant leur mesure de confiance aux seuils de rejet. Un algorithme optimal de programmation dynamique qui vise à apprendre ces seuils de rejet en maximisant le taux de reconnaissance pour un taux d'erreur désiré est également détaillé. Les expérimentations ont été menées sur la base nationale RIMES du programme Techno-Vision et les résultats présentés montrent la supériorité de cette approche sur les autres méthodes existantes en fiabilité et en performance.