Contexte : Une entreprise industrielle souhaite détecter anomalies rares dans des flux complexes multi-dimensionnels. Le Problème : Les autoencoders classiques manquent de robustesse face à forte variabilité des données. Contraintes : Concevoir un Variational Autoencoder (VAE). Définir fonction de perte combinée (reconstruction + régularisation). Déterminer seuil d’anomalie robuste. Livrable attendu : Proposer une architecture VAE complète adaptée à détection d’anomalies complexes avec stratégie d’évaluation appropriée.