Dans cette contribution, nous abordons le problème de reconstruction d’image de distribution radioactive pour lequel l’information disponible provient de plusieurs classes de données distinctes, chacune associée à une combinaison spécifique de détections . Nous présentons un cadre théorique permettant de mesurer l’apport informationnel de chaque classe et nous développons un algorithme itératif dédié à la reconstruction multiclasse basé sur le maximum de vraisemblance. Nous proposons d’appliquer notre approche à la caméra XEMIS2, un prototype préclinique de télescope Compton dédié à l’imagerie TEP 3-photons dans lequel quatre classes de détections partielles viennent s’ajouter aux détections complètes. Sur la base de simulations Monte-Carlo, nous présentons les premières composantes du modèle développé pour la reconstruction multiclasse.