Contexte : Un modèle de segmentation d’images médicales devient instable après plusieurs epochs. Le Problème : La perte diverge et les poids prennent des valeurs extrêmes. Extrait logique actuelle : optimizer = Adam(learning_rate=0.02) Sans mécanisme de contrôle de gradient. Contraintes : Introduire gradient clipping. Ajuster learning rate. Vérifier normalisation d’entrée. Comparer stabilité d’entraînement. Livrable attendu : Proposer une stratégie complète pour stabiliser l’entraînement d’un modèle de segmentation profond.