Contexte : Un modèle de classification multi-classes produit des résultats incohérents. Le Problème : Les labels sont fournis sous forme d’entiers mais le modèle utilise une configuration incompatible. Extrait logique actuelle : model.compile(loss='categorical_crossentropy') Sans one-hot encoding des labels. Contraintes : Adapter soit la fonction de perte (sparse categorical crossentropy), soit encoder correctement les labels. Maintenir cohérence avec l’activation softmax. Livrable attendu : Corriger le pipeline pour assurer cohérence entre encodage des labels, fonction de perte et architecture du modèle.