Ce travail explore la prédiction du niveau de handicap chez les patients atteints de sclérose en plaques (SEP) basée sur l’apprentissage automatique Deep Learning (DL) et Machine Learning (ML) et en utilisant des données multimodales en entrée constituées par des données cliniques, démographiques et d'imagerie. Comme contributions, un autoencodeur a été proposé pour extraire les représentations latentes à partir d'images IRM segmentées pour réduire la dimensionnalité tout en conservant les informations essentielles. Par la suite, ces caractéristiques extraites sont fusionnées avec des données