La reconnaissance des émotions faciales constitue un problème intrinsèquement difficile, en raison des grandes variations structurelles des visages entre individus ainsi que de l’ambiguïté inhérente à l’expression émotionnelle d’une personne. Récemment, de nombreux travaux ont été menés dans le domaine de la reconnaissance des émotions faciales, mais les performances des réseaux de neurones convolutifs (CNN) pour cette tâche restent inférieures à celles obtenues par les CNN dans d’autres domaines, tels que la détection d’objets ou la reconnaissance faciale. Dans cet article, nous proposons un algorithme d’apprentissage multi-tâches, dans lequel un seul CNN détecte simultanément le sexe, l’âge, l’origine ethnique du sujet ainsi que son émotion. Nous validons cette approche à l’aide de deux jeux de données comprenant des images provenant du monde réel. Les résultats démontrent que cette méthode est significativement supérieure aux algorithmes actuels de l’état de l’art pour cette tâche.