Dans cet article, nous proposons une nouvelle architecture de réseau de convolution sur graphe, nommée Graph Stacked Hourglass Networks, destinée aux tâches d’estimation de posture humaine 2D vers 3D. L’architecture proposée repose sur une succession d’encodeurs-décodeurs répétés, au cours desquels des caractéristiques structurées en graphe sont traitées à trois échelles différentes de représentations squelettiques humaines. Cette architecture multi-échelle permet au modèle d’apprendre à la fois des représentations de caractéristiques locales et globales, essentielles pour l’estimation de posture 3D. Nous introduisons également une approche d’apprentissage de caractéristiques multi-niveaux basée sur des caractéristiques intermédiaires de profondeurs variées, et démontrons les améliorations de performance obtenues grâce à l’exploitation de représentations de caractéristiques multi-échelles et multi-niveaux. Des expériences étendues sont menées pour valider notre approche, et les résultats montrent que notre modèle surpasse les méthodes les plus avancées de l’état de l’art.