Les applications réelles pourraient bénéficier de la capacité à générer automatiquement un classement fin des qualités esthétiques des photos. Toutefois, les méthodes précédentes d'analyse esthétique d'images se sont principalement concentrées sur une catégorisation grossière et binaire des images en catégories « haute esthétique » ou « basse esthétique ». Dans ce travail, nous proposons d'apprendre un réseau de neurones convolutif profond afin de classer les qualités esthétiques des photos, en modélisant directement le classement relatif des photos dans la fonction de perte. Notre modèle intègre un apprentissage conjoint d'attributs photographiques significatifs et d'informations sur le contenu des images, ce qui contribue à régulariser le problème complexe du classement esthétique des photos.Pour entraîner et analyser ce modèle, nous avons constitué une nouvelle base de données d'esthétique et d'attributs (AADB), comprenant des scores d'esthétique et des attributs significatifs attribués à chaque image par plusieurs juges humains. Les identités anonymisées des juges sont enregistrées à travers les images, ce qui nous permet d'exploiter la cohérence intra-juge grâce à une stratégie d'échantillonnage novatrice lors du calcul de la perte de classement pour les paires d'images d'entraînement. Nous montrons que la stratégie d'échantillonnage proposée est particulièrement efficace et robuste face aux jugements subjectifs de l'esthétique des images, qui varient selon les goûts esthétiques individuels. Des expériences montrent que notre modèle unifié produit des classements esthétiques plus cohérents avec les évaluations humaines. Pour valider davantage notre modèle, nous démontrons qu’en appliquant simplement un seuil aux scores esthétiques estimés, nous parvenons à atteindre des performances de classification de pointe sur le benchmark existant AVA.