Dans ce rapport, nous abordons le problème de la détection de mots clés dans un flux de parole et le rejet des entrées incorrectes.Nous proposons deux techniques différentes pour améliorer le rejet des mots hors-vocabulaire. La première est un modèle combiné qui utilise deux modèles ``poubelle'' (un modèle appris et un modèle déterminé au cours de la phase de reconnaissance). La deuxième est une méthode hybride basée sur un modèle "poubelle" appris et une mesure de confiance calculée pour chaque hypothèse de reconnaissance dans une étape de post-traitement.Ces deux approches sont évaluées dans un contexte d'une application boursière. Nous avons étudié ces deux techniques afin de trouver les valeurs des paramètres qui nous permettent d'améliorer le taux de reconnaissance.