Dans cet article, nous proposons le Deep Alignment Network (DAN), une méthode robuste d'alignement facial basée sur une architecture de réseau neuronal profond. Le DAN est composé de plusieurs étapes, chacune améliorant les positions des points caractéristiques faciaux estimés par l'étape précédente. Notre méthode utilise des images faciales complètes à toutes les étapes, contrairement aux méthodes d'alignement facial récemment proposées qui s'appuient sur des patchs locaux. Cela est rendu possible grâce à l'utilisation de cartes thermiques de points caractéristiques (landmark heatmaps) qui fournissent des informations visuelles sur les positions des points caractéristiques estimés lors des étapes précédentes de l'algorithme. L'utilisation d'images faciales complètes plutôt que de patchs permet au DAN de gérer des images faciales présentant de grandes variations en termes de pose de la tête et des initialisations difficiles. Une évaluation approfondie sur deux jeux de données publiquement disponibles montre que le DAN réduit le taux d'échec de l'état de l'art jusqu'à 70 %. Notre méthode a également été soumise pour évaluation dans le cadre du défi Menpo.