L'identificazione efficiente e accurata dei decadimenti di leptoni tau ha un ruolo cruciale nel programma di misure e ricerche in fase ai futuri collisori di particelle ad alta energia. Sfruttando i recenti progressi negli algoritmi di geometrical deep learning sono stati sviluppati nuovi metodi di identificazione in grado di classificare sia i decadimenti leptonici e adronici del tau e di discriminarli rispetto al fondo di QCD, che di identificarne i sotto-costituenti per supportare algoritmi di particle flow. Verrà discussa la metodologia e i risultati dell'applicazione di tali metodi ai dati simulati del calorimetro dual readout IDEA in studio per il futuro collisore di elettroni-positroni FCC-ee.