Cet article propose un nouvel algorithme d'extraction de caractéristiques pour les Interfaces Cerveau-Ordinateur (ICO) basées sur l'électroencéphalographie. Cet algorithme utilise les modèles inverses ainsi que le nouveau concept de Région d'Intérêt (RI) floue. Il peut automatiquement identifier les RI pertinentes pour la discrimination ainsi que les bandes de fréquences dans lesquelles ces RI sont les plus discriminantes. Les activités calculées dans ces RI peuvent ensuite être utilisées comme caractéristiques d'entrée pour n'importe quel classifieur. Une première évaluation de l'algorithme, utilisant une Machine à Vecteurs Supports (SVM) comme classifieur, est présentée sur le jeu de données IV de la ``BCI competition 2003''. Les résultats s'avèrent prometteurs avec une précision sur l'ensemble de test allant de 85\% à 86\% contre 84\% pour le gagnant de la compétition sur ces données. Enfin, nous montrons que combiner ce nouvel algorithme avec des systèmes d'inférence flous permet de concevoir des ICO potentiellement interprétables.