L'extraction de caractéristiques joue un rôle fondamental dans les tâches de vision par ordinateur. Dans cet article, nous proposons une méthode qui transfère des caractéristiques profondes riches issues d'un modèle préentraîné sur une tâche de vérification faciale, puis alimente ces caractéristiques dans un algorithme de régression ridge bayésienne pour la prédiction de la beauté faciale. Nous exploitons des réseaux de neurones profonds capables d'extraire des caractéristiques plus abstraites à partir de couches empilées. Grâce à une stratégie de fusion de caractéristiques simple mais efficace, notre méthode atteint des performances améliorées ou comparables sur les jeux de données SCUT-FBP et ECCV HotOrNot. Nos expériences démontrent l'efficacité de la méthode proposée et éclairent l'interprétabilité interne de la perception de la beauté faciale.