Contexte : Un réseau profond pour séries temporelles devient instable après plusieurs epochs. Le Problème : La perte diverge brutalement et les poids deviennent extrêmes. Extrait logique actuelle : optimizer = Adam(learning_rate=0.01) Sans mécanisme de contrôle de gradient. Contraintes : Introduire gradient clipping. Ajuster learning rate. Vérifier normalisation des données. Maintenir stabilité de convergence. Livrable attendu : Proposer une stratégie complète pour stabiliser l’entraînement et prévenir les exploding gradients.