Le problème de questions-réponses visuelles (QRV) constitue un nouveau défi en intelligence artificielle. Il requiert du système des capacités de raisonnement alliant compréhension visuelle et linguistique. Nous proposons d’adapter le problème QRV à une configuration d’apprentissage continu, paradigme dont l’objectif est de créer des modèles capables d’apprendre et de s’adapter dans un environnement évolutif. L’étude réalisée ici s’intéresse à un protocole d’apprentissage séquentiel de tâches définies via un partitionnement sémantique des questions. Ce protocole est analysé sur un modèle QRV courant combiné à une solution incrémentale de répétition sur mémoire épisodique.