Nous présentons Deep Global Registration, un cadre différentiable pour l'alignement pair à pair de scans 3D du monde réel. Deep Global Registration repose sur trois modules : un réseau de convolution à six dimensions pour la prédiction de la confiance des correspondances, un algorithme de Procrustes pondéré différentiable permettant une estimation de pose en forme fermée, et un optimiseur robuste basé sur les gradients pour la réduction de la pose dans SE(3). Les expériences montrent que notre approche surpasser les méthodes les plus avancées, tant d'origine apprentissage automatique que classiques, sur des données du monde réel.