Nous proposons une formulation unifiée pour le problème d'estimation de la posture humaine en 3D à partir d'une seule image brute RGB, qui raisonne conjointement sur l'estimation des articulations en 2D et la reconstruction de la posture en 3D afin d'améliorer les deux tâches. Nous adoptons une approche intégrée qui fusionne les connaissances probabilistes de la posture humaine en 3D avec une architecture CNN multi-étapes et utilise les connaissances des positions plausibles des marqueurs 3D pour affiner la recherche de meilleures positions en 2D. L'ensemble du processus est formé de manière bout-en-bout, est extrêmement efficace et obtient des résultats de pointe sur Human3.6M, surpassant les approches précédentes tant sur les erreurs en 2D que sur celles en 3D.