Cette recherche s'inscrit dans le domaine de Deep learning plus particulièrement dans la reconnaissance faciale du visage. L'objectif global a été de mettre en place un système de reconnaissance et d'identification des étudiants en salles d'examens à partir du visage. Il ressort de cette recherche que les systèmes traditionnels de sécurité basés sur une connaissance a priori knowledge-based de la personne ou sur une possession d'un objet token-based sont moins fiables pour beaucoup d'environnement à cause de leur inhabilité commune à distinguer un individu réellement autorisé d'un fraudeur parce que ces systèmes identifient un objet et non la personne. C'est dans ce sens que cette recherche a retenu la modalité visage car elle est un indice biologique contenant de nombreuses indications sur l'identité de la personne. Cette modalité permet d'identifier la personne et non l'objet. Cette recherche se veut une contribution à l'amélioration de la sécurité et de la lutte contre la fraude dans des salles d'examens. Le modèle CNN que cette recherche propose est à mesure d'identifier un étudiant par son nom, son post-nom, son prénom, sa promotion et le montant déjà payé par ce dernier.