Ce projet développe des méthodes d'adaptation de domaine non supervisée pour analyser des images multitâches dans un contexte réaliste avec un décalage extrême des étiquettes. Il se concentre sur l'application aux observations du premier grand télescope (LST-1) de l'observatoire CTAO, où les données simulées ne correspondent pas aux observations réelles en raison du bruit et du déséquilibre des étiquettes. Les solutions proposées visent à améliorer la précision des modèles de reconstruction d'événements en intégrant des données réelles non étiquetées.