Ce papier propose un nouveau modèle de génération d’images de personnes guidées par la posture, appelé PG$^2$2, permettant de synthétiser des images de personnes dans des postures arbitraires à partir d’une image de cette personne et d’une nouvelle posture. Notre cadre de génération PG$^2$2 exploite explicitement les informations de posture et se compose de deux étapes clés : l’intégration de la posture et le raffinement de l’image. Dans la première étape, l’image de référence et la posture cible sont introduites dans un réseau de type U-Net afin de générer une image initiale, bien que grossière, de la personne adoptant la posture cible. Dans une deuxième étape, cette image initiale floue est ensuite affinée en entraînant de manière adversaire un générateur de type U-Net. Des résultats expérimentaux étendus sur des images de ré-identification de taille 128×64 ainsi que sur des photos de mode de taille 256×256 démontrent que notre modèle parvient à générer des images de personnes de haute qualité, riches en détails convaincants.