L'apprentissage faiblement supervisé de la détection d'objets est un problème important dans la compréhension des images qui n'a pas encore trouvé de solution satisfaisante. Dans cet article, nous abordons ce problème en exploitant les capacités des réseaux neuronaux convolutifs profonds pré-entraînés sur des tâches de classification à l'échelle d'images. Nous proposons une architecture de détection profonde faiblement supervisée qui modifie l'un de ces réseaux pour qu'il opère au niveau des régions d'image, effectuant simultanément la sélection et la classification des régions. Entraîné comme un classificateur d'images, l'architecture apprend implicitement des détecteurs d'objets qui sont supérieurs aux systèmes alternatifs de détection faiblement supervisée sur les données PASCAL VOC. Le modèle, qui est une architecture simple et élégante de bout en bout, surpass également les techniques standard d'augmentation de données et d'affinage pour la tâche de classification à l'échelle d'images.