La détection et l’alignement du visage dans des environnements non contraints sont généralement déployés sur des dispositifs embarqués, qui disposent de mémoire limitée et d’une puissance de calcul faible. Ce papier propose une méthode à une seule étape, nommée CenterFace, capable de prédire simultanément la boîte englobante du visage et les positions des points clés avec une vitesse en temps réel et une précision élevée. La méthode proposée appartient également à la catégorie des approches sans ancres (anchor-free). Cela est réalisé par : (a) l’apprentissage de la probabilité d’existence d’un visage à l’aide de cartes sémantiques, et (b) l’apprentissage, pour chaque position potentiellement contenant un visage, de la boîte englobante, des décalages et des cinq points clés. Plus précisément, la méthode peut fonctionner en temps réel sur un seul cœur de processeur et atteindre 200 FPS sur des images de résolution VGA en utilisant une NVIDIA 2080TI. Elle parvient simultanément à une précision supérieure sur plusieurs benchmarks : WIDER FACE (Validation/Test - Facile : 0,935 / 0,932, Moyen : 0,924 / 0,921, Difficile : 0,875 / 0,873) et FDDB (discontinu : 0,980, continu : 0,732). Une démonstration de CenterFace est disponible à l’adresse suivante : https://github.com/Star-Clouds/CenterFace.