Ce document introduit une nouvelle définition des voisinages multirésolution dans les nuages de points 3D. Cette définition, basée sur des voisinages sphériques et un sous-échantillonnage proportionnel, permet le calcul de caractéristiques ayant une signification géométrique cohérente, ce qui n'est pas le cas lorsqu'on utilise les k-plus proches voisins. Avec une stratégie d'apprentissage appropriée, les caractéristiques proposées peuvent être utilisées dans une forêt aléatoire pour classer les points 3D. Dans cette tâche de classification sémantique, nous montrons que nos caractéristiques multirésolution surpassent les caractéristiques de pointe actuelles en utilisant les mêmes conditions expérimentales. De plus, leur puissance de classification est comparable à celle des approches de classification plus élaborées, y compris les méthodes d'Apprentissage Profond (Deep Learning).