Ce travail vise à classer et localiser les objets de manière précise et efficace, sans utiliser d'annotations de boîtes englobantes. Cette tâche est particulièrement complexe car les objets dans leur environnement naturel peuvent apparaître à des emplacements arbitraires et à différentes échelles. Dans cet article, nous proposons une nouvelle architecture de classification nommée ProNet, basée sur les réseaux neuronaux convolutifs. Cette architecture utilise des réseaux neuronaux computationnellement efficaces pour proposer des régions d'image susceptibles de contenir des objets, puis applique des réseaux plus puissants mais plus lents sur ces régions proposées. Le bloc de base est un réseau neuronal entièrement convolutif multi-échelle qui attribue des scores de confiance d'objet aux boîtes situées à différents emplacements et échelles. Nous démontrons que ces réseaux peuvent être formés efficacement en utilisant des annotations au niveau de l'image, et qu'ils peuvent être connectés en cascades ou en arbres pour une classification d'objets optimisée. ProNet dépasse considérablement l'état de l'art précédent sur les jeux de données PASCAL VOC 2012 et MS COCO pour la classification d'objets et la localisation basée sur des points.