Contexte : Une entreprise industrielle souhaite classifier des pièces mécaniques à partir d’images prises en conditions variables (luminosité, angle, bruit). Le Problème : Le modèle actuel fonctionne en laboratoire mais échoue dès que les conditions changent légèrement. Contraintes : Mettre en place un pipeline incluant data augmentation (rotation, zoom, variation de luminosité). Ajouter batch normalization ou dropout. Séparer correctement train, validation et test. Évaluer l’amélioration via accuracy et courbes de perte. Livrable attendu : Concevoir un pipeline Computer Vision intégrant augmentation et régularisation, puis comparer les performances avant et après amélioration.