Nous pr�sentons un nouvel algorithme parall�le de r�gression logistique (PAR-MC-LR) pour la classification d'images � grande �chelle. Nous proposons plusieurs extensions de l'algorithme original de r�gression logistique � deux classes pour en d�velopper une version efficace pour les grands ensembles de donn�es d'images avec plusieurs centaines de classes. Nous pr�sentons un nouvel algorithme LR-BBatch-SGD de descente de gradient stochastique de r�gression logistique en batch �quilibr� avec un apprentissage parall�le (approche un contre le reste) multi-classes sur de multiples coeurs. Les r�sultats exp�rimentaux sur des ensembles de donn�es d'ImageNet montrent que notre algorithme est efficace compar�s aux algorithmes de classification lin�aires de l'�tat de l'art.