Les sons respiratoires contiennent des informations essentielles pour le diagnostic précoce des maladies pulmonaires graves. Depuis la pandémie de COVID-19, l’intérêt croissant pour les soins médicaux sans contact, fondés sur des stéthoscopes électroniques, a stimulé de nombreux développements. À cet effet, des modèles d’apprentissage profond de pointe ont été conçus pour diagnostiquer les maladies pulmonaires ; toutefois, ces approches restent encore défavorisées par la rareté des données médicales. Dans cette étude, nous démontrons que les modèles pré-entraînés sur de grands jeux de données visuels et audio peuvent être généralisés avec succès à la tâche de classification des sons respiratoires. En outre, nous introduisons une nouvelle technique d’augmentation simple, appelée Patch-Mix, qui consiste à mélanger aléatoirement des patches provenant d’échantillons différents, en combinaison avec le modèle Audio Spectrogram Transformer (AST). Nous proposons également une nouvelle méthode efficace de Contraste par Patch-Mix, permettant de distinguer les représentations mélangées dans l’espace latente. Notre approche atteint des performances de pointe sur le jeu de données ICBHI, surpassant le meilleur score antérieur de 4,08 %.