-L'apprentissage à partir de peu d'exemples vise à exploiter les connaissances acquises par un modèle d'apprentissage profond pré-entraîné afin de reconnaître de nouvelles classes inconnues quand peu d'exemples sont étiquetés. Travailler avec un seul exemple est particulièrement difficile, même pour le modèle le mieux pré-entraîné, en raison de la possible présence d'autres objets dans une scène. Dans cet article, nous identifions d'abord le problème, puis proposons une méthodologie pour désambiguïser une image en y identifiant différents objets. Pour cela, nous avons recourt à l'augmentation de données, ainsi qu'à un processus d'optimisation. Nous combinons notre méthode avec une stratégie de classification simple qui permet d'améliorer l'état de l'art du domaine sur le jeu de données standard Mini-ImageNet.