Les informations de profondeur se sont avérées bénéfiques pour la détection des objets saillants à partir de données RGB-D (SOD). Toutefois, les cartes de profondeur obtenues souffrent souvent d’une qualité médiocre et d’imprécision. La plupart des modèles existants de SOD RGB-D ne disposent pas d’interactions inter-modales, ou ne prévoient que des interactions unidirectionnelles allant de la profondeur vers les données RGB au cours des étapes d’encodage, ce qui peut entraîner des caractéristiques d’encodage inexactes lorsqu’elles sont confrontées à des données de profondeur de mauvaise qualité. Pour surmonter cette limitation, nous proposons d’instaurer des interactions bi-directionnelles progressives dès les premières étapes de l’encodage, conduisant à un nouveau réseau de transfert et de sélection bi-directionnel, nommé BTS-Net, qui intègre une série de modules de transfert et de sélection bi-directionnels (BTS) afin d’améliorer la qualité des caractéristiques pendant l’encodage. À partir des caractéristiques d’encodage robustes ainsi obtenues, nous avons également conçu un décodeur léger et efficace basé sur un groupe de modules, permettant une prédiction finale précise de la saillance. Des expériences approfondies menées sur six jeux de données largement utilisés démontrent que BTS-Net surpasser les 16 approches les plus récentes de l’état de l’art selon quatre métriques clés.