L'adaptation de domaine existante se concentre sur le transfert de connaissances entre des domaines possédant des indices catégoriels (par exemple, entre les ensembles de données A et B). Cependant, de nombreuses tâches impliquent des domaines à indices continus. Par exemple, dans les applications médicales, il est souvent nécessaire de transférer l'analyse et la prédiction des maladies entre des patients d'âges différents, où l'âge agit comme un indice de domaine continu. Ces tâches sont difficiles pour les méthodes d'adaptation de domaine précédentes car elles ignorent la relation sous-jacente entre les domaines. Dans cet article, nous proposons la première méthode d'adaptation de domaine à indices continus. Notre approche combine l'adaptation adversaire traditionnelle avec un nouveau discriminateur qui modélise la distribution des indices de domaine conditionnée par l'encodage. Notre analyse théorique démontre la valeur d'utiliser l'indice de domaine pour générer des caractéristiques invariantes sur une gamme continue de domaines. Nos résultats empiriques montrent que notre approche surpasse les méthodes d'adaptation de domaine les plus avancées actuellement disponibles, tant sur des ensembles de données synthétiques que réels issus du domaine médical.