Cet article présente une chaîne d'inférence automatique d'éléments de la structure musicale de morceaux de musique sous leur forme sonore. Le système, inspiré de l'état de l'art, est constitué de deux étapes : la segmentation du morceau et l'étiquetage des segments trouvés. Deux contributions sont proposées : un critère de détection des ruptures du timbre des morceaux, initialement proposé pour la séparation entre parole et musique dans un flux audio, est introduit lors de la segmentation. On propose par ailleurs de réaliser l'étiquetage en effectuant un regroupement hiérarchique des segments selon leur timbre modélisé par une gaussienne et en ayant recours à des métriques empruntées au traitement de la parole. Cette étude se termine sur les premiers résultats d'évaluation de cette chaîne en utilisant un corpus de 20 morceaux de musique.