Cet article présente SO-Net, une architecture invariante par permutation conçue pour l'apprentissage profond avec des nuages de points sans ordre. SO-Net modélise la distribution spatiale des nuages de points en construisant une carte auto-organisatrice (Self-Organizing Map, SOM). À partir de cette SOM, SO-Net effectue une extraction hiérarchique des caractéristiques sur les points individuels ainsi que sur les nœuds de la SOM, et représente finalement le nuage de points d'entrée par un seul vecteur de caractéristiques. Le champ réceptif du réseau peut être ajusté de manière systématique grâce à une recherche de plus proches voisins (k plus proches voisins) entre points et nœuds. Dans des tâches de reconnaissance telles que la reconstruction de nuages de points, la classification, la segmentation des parties d'objets ou la recherche de formes, le réseau proposé atteint des performances comparables ou supérieures à celles des méthodes les plus avancées. En outre, la vitesse d'entraînement est significativement plus élevée que celle des réseaux existants pour la reconnaissance de nuages de points, en raison de la parallélisation facilitée et de la simplicité de l'architecture proposée. Le code source est disponible sur le site du projet : https://github.com/lijx10/SO-Net