Les réseaux adverses générateurs [8] ont récemment été introduits comme une nouvelle méthode d'entraînement des modèles générateurs. Dans ce travail, nous proposons la version conditionnelle des réseaux adverses générateurs, qui peut être construite simplement en alimentant, avec les données y sur lesquelles on souhaite conditionner, à la fois le générateur et le discriminateur. Nous montrons que ce modèle peut générer des chiffres de la base MNIST conditionnés aux étiquettes de classe. Nous illustrons également comment ce modèle peut être utilisé pour apprendre un modèle à plusieurs modes, et fournissons des exemples préliminaires d'une application au marquage d'images, dans laquelle nous démontrons comment cette approche peut générer des balises descriptives non incluses dans les étiquettes d'apprentissage.