Une préoccupation mondiale en matière de santé publique, la maladie pulmonaire obstructive chronique (MPOC) nécessite un dépistage précoce et une intervention rapide pour garantir un traitement efficace. En exploitant le vaste jeu de données à 12 canaux sur les sons pulmonaires intitulé « RespiratoryDatabase@TR », notre étude établit un système robuste de diagnostic multiclasse de la sévérité de la MPOC. Nous avons mis en œuvre une procédure rigoureuse d'extraction de caractéristiques, comprenant l'analyse des spectrogrammes, des spectrogrammes de Mel et des chromogrammes, ainsi que des méthodes spécifiques de prétraitement et d'augmentation des données. Le modèle RESNET50 a été choisi pour l'entraînement, assurant une classification précise des différents niveaux de sévérité de la MPOC. Nos résultats mettent en évidence l'importance croissante des pronostics basés sur les sons, en particulier pour le diagnostic précoce de la MPOC. Avec environ 251 millions de personnes touchées à l’échelle mondiale, des solutions innovantes telles que la nôtre revêtent une importance capitale. L’association de jeux de données étendus et de techniques avancées d’apprentissage automatique offre un potentiel prometteur pour transformer le diagnostic et le traitement de la MPOC à l’échelle planétaire, améliorant ainsi la qualité de vie de millions de personnes affectées par cette maladie.