Les approches actuelles de détection et de classification des logiciels malveillants s'appuient généralement sur des processus fastidieux et exigeant une connaissance approfondie pour extraire des motifs (signatures) et des comportements à partir des logiciels malveillants, qui sont ensuite utilisés pour l'identification. De plus, ces signatures sont souvent limitées aux séquences locales et contiguës au sein des données, en ignorant leur contexte par rapport les unes aux autres et dans l'ensemble du fichier de logiciel malveillant. Nous présentons une approche de classification des logiciels malveillants basée sur l'apprentissage profond (Deep Learning), qui ne nécessite aucune connaissance experte du domaine et repose sur une approche purement axée sur les données pour l'identification de motifs et de caractéristiques complexes.