Ce travail aborde la tâche exigeante de la détection d'objets 3D à partir de données LiDAR en conditions de brouillard. La collecte et l’annotation de données dans de telles conditions sont extrêmement coûteuses en temps, en main-d’œuvre et en ressources. Dans cet article, nous abordons ce problème en simulant de manière physiquement réaliste le brouillard dans des scènes capturées par temps clair, afin de réutiliser les importantes bases de données réelles déjà disponibles pour des conditions météorologiques claires. Nos contributions sont doubles : 1) Nous proposons une méthode de simulation de brouillard physiquement valide, applicable à tout ensemble de données LiDAR. Cette approche permet d’obtenir à moindre coût des données d’entraînement à grande échelle en conditions de brouillard. Ces données partiellement synthétiques peuvent être utilisées pour améliorer la robustesse de diverses méthodes de perception, telles que la détection et le suivi d’objets 3D ou la localisation et cartographie simultanées (SLAM), sur des données réelles en conditions de brouillard. 2) À travers des expériences étendues menées avec plusieurs approches de détection de pointe, nous démontrons que notre méthode de simulation de brouillard peut significativement améliorer les performances de détection d’objets 3D en présence de brouillard. Ainsi, nous fournissons pour la première fois des références solides (baselines) pour la détection d’objets 3D sur le jeu de données Seeing Through Fog. Le code source est disponible à l’adresse www.trace.ethz.ch/lidar_fog_simulation.