Cet article souligne l'importance du regroupement de tâches dans l'apprentissage multitâche et propose une nouvelle mesure permettant d'identifier les groupes de tâches optimaux en mesurant la corrélation entre les tâches. Nous présentons notamment une méthode de mesure de la difficulté des tâches basée sur des informations utilisables ponctuellement (IVP) et des tâches groupées avec des estimations d'IVP statistiquement similaires. Grâce à des expériences sur 15 jeux de données de TALN issus des domaines général, biomédical et clinique, nous vérifions l'efficacité de la méthode proposée par rapport aux méthodes existantes, notamment Llama 2 et GPT-4. Les résultats expérimentaux montrent que les tâches regroupées selon l'IVP atteignent des performances compétitives avec moins de paramètres et affichent des performances constantes dans tous les domaines.
