Contexte : Une entreprise souhaite améliorer la précision de son modèle de classification d’images produits. Le Problème : Le dataset est limité et le modèle actuel surapprend rapidement. Contraintes : Mettre en place un CNN avec data augmentation (rotation, zoom, flip). Utiliser un jeu de validation distinct. Ajouter régularisation légère (dropout ou batch normalization). Évaluer l’impact sur la généralisation. Livrable attendu : Concevoir un pipeline Deep Learning intégrant augmentation des données, entraînement structuré et comparaison des performances avant/après amélioration.