L’interprétation d’un large ensemble de données à l’aide de techniques de data mining est souvent une tâche difficile. Cependant, cette tâche peut être simplifiée par une réduction du nombre de variables qui pourraient être considérées comme équivalentes. Le but de ce chapitre est de décrire une nouvelle méthode pour réduire le nombre de variables d’un grand ensemble de données. L’ASI qui construit des règles d’association à l’aide d’une mesure, plus puissante que la probabilité conditionnelle, est utilisée pour détecter des variables quasi-équivalentes. La technique a plus d’avantages que l’analyse traditionnelle des similarités.