Ce document présente une méthode de parsing rapide et parcimonieuse permettant de détecter avec précision et robustesse un fil de fer vectorisé dans une image d'entrée en effectuant une seule passe avant. La méthode proposée est entièrement entraînable et se compose de trois composants : (i) la génération de propositions de segments de ligne et de jonctions, (ii) l'appariement des segments de ligne et des jonctions, et (iii) la vérification des segments de ligne et des jonctions. Pour le calcul des propositions de segments de ligne, une nouvelle représentation duale exacte est proposée, qui exploite une réparamétrisation géométrique parcimonieuse pour les segments de ligne et forme une carte d'attraction holistique à quatre dimensions pour une image d'entrée. Les jonctions peuvent être considérées comme les "bassins" dans le champ d'attraction. La méthode proposée est donc appelée Holistiquement-Attracted Wireframe Parser (HAWP). Dans les expériences, la méthode proposée est testée sur deux benchmarks, le dataset Wireframe et le dataset YorkUrban. Sur ces deux benchmarks, elle obtient des performances d'état de l'art en termes de précision et d'efficacité. Par exemple, sur le dataset Wireframe, par rapport à la méthode précédente L-CNN, elle améliore considérablement la moyenne de la précision structurelle (msAP) ($2,8\%$2,8% d'amélioration absolue) et atteint 29,5 images par seconde sur un GPU unique ($89\%$89% d'amélioration relative). Une étude systématique d'ablation est réalisée pour justifier davantage la méthode proposée.