Les réseaux de neurones convolutifs sont largement utilisés dans divers domaines du machine learning. En traitement d’images, les caractéristiques sont extraites en appliquant une convolution 2D à toutes les dimensions spatiales d’entrée. Toutefois, dans le cas audio, les entrées dans le domaine fréquentiel, telles que les Mel-Spectrogrammes, présentent des caractéristiques différentes et uniques selon la dimension fréquentielle. Il est donc nécessaire de disposer d’une méthode permettant à la couche de convolution 2D de traiter la dimension fréquentielle de manière distincte. Dans ce travail, nous proposons la Normalisation Sous-Spectrale (SSN), qui consiste à diviser la dimension fréquentielle d’entrée en plusieurs groupes (sous-bandes) et à appliquer une normalisation différente à chacun de ces groupes. La SSN inclut également une transformation affine pouvant être appliquée indépendamment à chaque sous-bande. Notre méthode élimine les déviations inter-fréquentielles tout en permettant au réseau d’apprendre des caractéristiques sensibles à la fréquence. Les expériences menées sur des données audio montrent que la SSN permet d’améliorer efficacement les performances du réseau.