Nous présentons une méthode permettant d’apprendre à générer la surface de formes 3D. Notre approche représente une forme 3D comme une collection d’éléments de surface paramétriques, et, contrairement aux méthodes basées sur la génération de maillages volumétriques (voxel grids) ou de nuages de points, elle permet naturellement d’inférer une représentation surfacique de la forme. En plus de sa nouveauté, notre nouveau cadre de génération de formes, AtlasNet, offre des avantages significatifs, notamment une précision améliorée, de meilleures capacités de généralisation, ainsi que la possibilité de générer une forme à une résolution arbitraire sans contrainte mémoire. Nous démontrons ces avantages en les comparant à des méthodes de référence performantes sur le benchmark ShapeNet, pour deux applications : (i) l’auto-encodage de formes, et (ii) la reconstruction à partir d’une seule vue à partir d’une image statique. Nous fournissons également des résultats illustrant son potentiel pour d’autres applications, telles que le morphing, la paramétrisation, la super-résolution, l’appariement et la co-segmentation.