L’objectif de cet article est la reconnaissance faciale — qu’il s’agisse d’une seule photographie ou d’un ensemble de visages suivis dans une vidéo. Les progrès récents dans ce domaine s’expliquent par deux facteurs principaux : (i) l’apprentissage end-to-end de la tâche à l’aide d’un réseau neuronal convolutif (CNN), et (ii) la disponibilité de jeux de données d’entraînement de très grande ampleur. Nous apportons deux contributions : premièrement, nous montrons comment assembler un jeu de données de très grande taille (2,6 millions d’images, plus de 2 600 individus) grâce à une combinaison d’automatisation et d’intervention humaine, tout en discutant le compromis entre la pureté des données et le temps nécessaire ; deuxièmement, nous explorons les complexités liées à l’entraînement des réseaux profonds et à la reconnaissance faciale, afin de présenter des méthodes et des procédures permettant d’obtenir des résultats comparables à l’état de l’art sur les benchmarks standards LFW et YTF pour la reconnaissance faciale.