Dans le domaine de l'apprentissage à partir de peu d'exemples (Few-Shot Learning, FSL), de nombreuses recherches se sont concentrées sur l'amélioration des structures de réseau et des stratégies d'entraînement. Cependant, le rôle des modules de traitement des données n'a pas été pleinement exploré. Ainsi, dans cet article, nous proposons Meta-DM, un module de traitement des données généralisé pour les problèmes FSL basé sur les modèles de diffusion. Meta-DM est un module simple mais efficace qui peut être facilement intégré aux méthodes FSL existantes, conduisant à des améliorations significatives des performances dans les contextes supervisés et non supervisés. Nous fournissons une analyse théorique de Meta-DM et évaluons ses performances sur plusieurs algorithmes. Nos expériences montrent que la combinaison de Meta-DM avec certaines méthodes permet d'obtenir des résultats d'état de l'art.