Contexte : Un modèle LSTM complexe devient instable après quelques epochs. Le Problème : La perte diverge brutalement et les poids prennent des valeurs extrêmes. Extrait logique actuelle : loss.backward() optimizer.step() Sans contrôle des gradients. Contraintes : Introduire gradient clipping via torch.nn.utils.clip_grad_norm_. Ajuster learning rate si nécessaire. Comparer stabilité avant/après correction. Livrable attendu : Proposer une stratégie complète pour stabiliser l’entraînement du modèle séquentiel.