Nous proposons le Variational Shape Learner (VSL), un modèle génératif qui apprend la structure sous-jacente des formes 3D voxelisées de manière non supervisée. Grâce à l'utilisation de connexions résiduelles (skip-connections), notre modèle peut apprendre avec succès et inférer une représentation latente hiérarchique des objets. De plus, des objets 3D réalistes peuvent être facilement générés en échantillonnant la variété probabiliste latente du VSL. Nous démontrons que notre modèle génératif peut être entraîné de bout en bout à partir d'images 2D pour effectuer la recherche de modèles 3D à partir d'une seule image. Les expériences montrent, tant quantitativement que qualitativement, l'amélioration de la généralisation de notre modèle proposé sur une gamme de tâches, surpassant ou se comparant favorablement à diverses alternatives de pointe.