La tâche de réidentification de personnes (Person Re-Identification) reste un défi dans le domaine de la vision par ordinateur en raison de diverses raisons. De l'autre côté, l'apprentissage incrémental (Incremental Learning) est toujours une problématique, car les modèles d'apprentissage profond ont tendance à subir un oubli catastrophique lorsqu'ils sont formés sur des tâches successives. Dans cet article, nous proposons un modèle capable d'être utilisé pour plusieurs tâches en réidentification de personnes, offrant des résultats de pointe sur une variété de tâches tout en maintenant une précision considérable par la suite. Nous avons évalué notre modèle sur deux jeux de données, Market 1501 et Duke MTMC. Des expériences approfondies montrent que cette méthode peut réaliser efficacement l'apprentissage incrémental en réidentification de personnes (Person ReID) ainsi que pour d'autres tâches en vision par ordinateur.