Les méthodes récentes d'apprentissage autosupervisé de représentations visuelles sont basées sur des tâches de discrimination d'instance visant à apprendre des représentations non triviales insensibles à un ensemble d'augmentations soigneusement choisi. Les performances de ces méthodes se rapprochent rapidement des approches supervisées, et les surpassent même dans certains cas, et ce, sans supervision experte. Cet article donnera un aperçu général de ces méthodes et discutera d'une direction de recherche visant à inclure de la sensibilité à certaines augmentations.