Ce papier propose un détecteur de contours basé sur l'apprentissage profond, inspiré à la fois des réseaux HED (Holistically-Nested Edge Detection) et Xception. L'approche proposée génère des cartes de contours fines qui sont plausibles pour l'œil humain ; elle peut être utilisée dans n'importe quelle tâche de détection de contours sans nécessiter d'entraînement préalable ou d'ajustement fin. En tant que deuxième contribution, un grand ensemble de données avec des contours annotés soigneusement a été généré. Cet ensemble de données a été utilisé pour entraîner l'approche proposée ainsi que les algorithmes de pointe pour les comparaisons. Des évaluations quantitatives et qualitatives ont été réalisées sur différents bancs d'essai, montrant des améliorations avec la méthode proposée en considérant les mesures F d'ODS et OIS.