Contexte : Un projet pédagogique vise à reconnaître des chiffres manuscrits à partir d’images. Le Problème : Les modèles classiques de machine learning sont insuffisants pour capturer les variations visuelles. Contraintes : Construire un CNN basique. Redimensionner les images. Séparer train/test. Évaluer via accuracy. Livrable attendu : Implémenter un modèle de classification d’images capable de reconnaître des chiffres manuscrits avec performance satisfaisante.