La classification automatique de l’âge et du sexe est devenue pertinente pour un nombre croissant d’applications, notamment depuis l’essor des plateformes sociales et des réseaux de médias. Néanmoins, les performances des méthodes existantes sur des images du monde réel restent encore largement insuffisantes, en particulier comparées aux progrès considérables récemment obtenus pour la tâche connexe de reconnaissance faciale. Dans cet article, nous montrons qu’en apprenant des représentations grâce à des réseaux neuronaux profonds à convolution (CNN), une amélioration significative des performances peut être atteinte sur ces tâches. À cette fin, nous proposons une architecture de réseau convolutif simple, efficace même lorsque la quantité de données d’apprentissage est limitée. Nous évaluons notre méthode sur le benchmark récent Adience dédié à l’estimation de l’âge et du sexe, et démontrons qu’elle surpasse de manière marquée les méthodes actuelles de l’état de l’art.