La réidentification de personnes (reID) vise à retrouver l’image d’une personne d’intérêt à partir d’un ensemble d’images généralement capturées par plusieurs caméras. Les méthodes récentes de reID ont montré qu’exploiter des caractéristiques locales décrivant des parties du corps, conjointement avec une caractéristique globale propre à l’image de la personne, permet d’obtenir des représentations de caractéristiques robustes, même en cas de partie du corps manquante. Toutefois, l’utilisation directe des caractéristiques au niveau des parties individuelles, sans tenir compte des relations entre ces parties, peut entraîner une confusion dans la distinction des identités de personnes différentes présentant des attributs similaires sur les mêmes parties du corps. Pour remédier à ce problème, nous proposons un nouveau réseau de relations pour la réidentification de personnes, qui prend en compte les relations entre chaque partie du corps et les autres parties. Notre modèle permet à une caractéristique au niveau d’une partie d’intégrer partiellement des informations provenant des autres parties, ce qui renforce sa discriminabilité. Nous introduisons également une méthode de pooling contrastif global (GCP) pour extraire la caractéristique globale d’une image de personne. Nous proposons d’utiliser des caractéristiques contrastives dans le cadre de GCP afin de compléter les techniques classiques de pooling par maximum et moyenne. Nous démontrons que notre modèle surpasse l’état de l’art sur les jeux de données Market1501, DukeMTMC-reID et CUHK03, confirmant ainsi l’efficacité de notre approche pour la représentation discriminante des personnes.