Nous présentons une méthode d’apprentissage profond qui propage les représentations de caractéristiques ponctuelles entre les formes d’une collection, dans le but de segmenter des formes 3D. Nous proposons un mécanisme d’attention inter-formes permettant des interactions entre les caractéristiques ponctuelles d’une forme et celles des autres formes. Ce mécanisme évalue à la fois le degré d’interaction entre les points et médie la propagation des caractéristiques à travers les formes, améliorant ainsi la précision et la cohérence des représentations de caractéristiques ponctuelles obtenues pour la segmentation des formes. Notre méthode introduit également une mesure de récupération de formes afin de sélectionner, pour chaque forme de test, les formes les plus appropriées pour les opérations d’attention inter-formes. Nos expériences démontrent que notre approche atteint des résultats de pointe sur le jeu de données populaire PartNet.