Ce projet propose une méthodologie pour comparer et analyser les représentations internes de différents modèles d'encodage (visuels, textuels et multimodaux) à l'aide d'autoencodeurs clairsemés. Il permet d'identifier les concepts partagés entre ces modèles et de quantifier leur similarité, offrant ainsi une meilleure compréhension des mécanismes d'apprentissage des modèles d'intelligence artificielle. Les résultats éclairent sur l'impact de l'entraînement multimodal et la généralisation des caractéristiques.