Nous présentons Self Meta Pseudo Labels, une nouvelle méthode d'apprentissage semi-supervisé similaire à Meta Pseudo Labels mais sans modèle enseignant. Nous proposons une approche originale permettant d'utiliser un seul modèle à la fois pour générer des étiquettes pseudo-labels et pour la classification, ce qui nous permet de ne conserver qu’un seul modèle en mémoire au lieu de deux. Notre méthode atteint des performances comparables à celles de la méthode Meta Pseudo Labels tout en réduisant de manière drastique l'utilisation mémoire.