Ithis paper we present some gradient projection algorithms for solving optimizationproblem with convex constrained set. We derive optimality condition when the convex set is a coneand under some mild assumptions, we prove convergence of these algorithms. Finally, we apply themto quadratic problem arising in training support vector machines for the Wisconsin Diagnostic BreastCancer (WDBC) classification problem.; On présente dans cet article quelques algorithmes de projection pour résoudre numériquementun problème de minimisation sur un ensemble convexe. On donne les conditions d’optimalitélorsque l’ensemble convexe est un cone puis, sous certaines hypothèses, on montre la convergencede ces algorithmes. Enfin, on applique les algorithmes proposés dans l’entrainement des machinesde séparateur à vaste marge (SVM) pour la classification du cancer du sein.