Les données de distribution sont une généralisation continue en dimension infinie des données de composition. Elles sont souvent observées sous l'une des deux formes suivantes : valeurs non agrégées échantillonnées à partir de chaque loi ou valeurs agrégées sous forme d'histogrammes. Ces données sont généralement lissées afin de pouvoir appliquer des méthodes de réduction de la dimension. Pour les données non agrégées, nous proposons d'utiliser une méthode de lissage des échantillons maximisant une log-vraisemblance pénalisée. Nous obtenons des coefficients dans une base de splines sur lesquels nous appliquons la méthode Invariant Coordinate Selection multivariée pour réduire la dimension.