En télédétection, la classification Fuzzy C-Means (FCM) est une méthode robuste pour déterminer les degrés d'appartenance d'un pixel à une ou plusieurs classes. Cet article propose une nouvelle approche en utilisant l'algorithme d'optimisation spider social (SSO) pour résoudre les problèmes de recherche d'un centre optimal de FCM. Hanoi, capitale du Vietnam, a été sélectionnée comme zone d'étude en raison de sa complexité spatiale. Les données satellitaires multi-spectrales de Landsat 8, Sentinel 2A et SPOT 7 ont été utilisées dans cet article. L'analyse a commencé avec le processus de segmentation, suivi d'un examen du modèle. Ensuite, les résultats ont été comparés à plusieurs méthodes de classification conventionnelles. En vue d'évaluer l'exactitude, la minimisation des fonctions objectives de la FCM, la précision d'utilisateur et de producteur et la précision globale ont été utilisées. Les résultats montrent que le SSO améliorait considérablement les performances du FCM et dépassait les classificateurs référencés ou d'autres algorithmes d'optimisation. En conclusion, le modèle a été déployé avec succès dans la zone d'étude et il pourrait être proposé comme solution alternative pour la détection de modèles urbains. Dans un proche avenir, les méthodes de classification seront enrichies par la contribution active et en croissance rapide d'algorithmes inspirés par la nature. [ABSTRACT FROM AUTHOR]