L'apprentissage par transfert vise à améliorer les performances dans un domaine cible en exploitant les informations provenant de plusieurs domaines sources, un objectif qui a un large impact pratique. Cependant, l'adaptation à plusieurs sources hétérogènes reste un domaine en développement. En général, la pertinence d'une source est déterminée par son biais par rapport à la cible, qui est généralement inconnu en pratique. La plupart des travaux imposent certaines hypothèses structurelles sur l'espace de biais admissible et développent des méthodes pour s'adapter à ces biais. En revanche, nous explorons les limites fondamentales de l'adaptation dans le cadre d'une structure de biais plus générale. Dans les problèmes d'estimation des paramètres, nous montrons que l'adaptation est impossible dans l'espace de biais le plus général lorsqu'il existe au moins deux domaines sources. Nous proposons ensuite deux hypothèses structurelles sur l'espace de biais pour lesquelles l'adaptation devient possible et construisons des estimateurs qui permettent d'y parvenir. Il convient de noter que l'une de nos hypothèses généralise les structures couramment utilisées dans les travaux antérieurs.