Cet article présente un dispositif permettant d'étudier expérimentalement les facteurs de succès de la réutilisation de réseaux de neurones pré-entraînés. Les résultats expérimentaux montrent que la corrélation entre deux tâches joue un rôle important dans le succès de la réutilisation de modèles pré-entraînés. Plus la corrélation entre les tâches est élevée, plus le taux de réussite de la réutilisation est élevé. Même en l'absence de corrélation, de bonnes performances peuvent être obtenues aléatoirement selon le choix des réseaux pré-entraînés et des optimiseurs. Lorsque la corrélation entre les tâches est faible, il est avantageux de ne réutiliser que les couches inférieures, et le nombre de couches à ré-entraînées peut être un indicateur de la corrélation entre les tâches et les caractéristiques. Enfin, nous montrons qu'en situation réelle, s'il existe une corrélation sémantique entre deux tâches, les réseaux pré-entraînés peuvent être efficacement réutilisés.
