La détection et la localisation des manipulations d'images sont nécessaires pour contrer l'utilisation malveillante des techniques de retouche photographique. Par conséquent, il est essentiel de distinguer entre les régions authentiques et celles qui ont été modifiées en analysant les statistiques intrinsèques présentes dans une image. Nous nous concentrons sur les artefacts de compression JPEG laissés lors de l'acquisition et du traitement des images. Nous proposons un réseau neuronal convolutif (CNN) qui utilise les coefficients de la transformée en cosinus discrète (DCT), où subsistent ces artefacts, pour localiser les manipulations d'images. Les CNN standards ne peuvent pas apprendre la distribution des coefficients DCT car la convolution élimine les coordonnées spatiales, qui sont essentielles pour ces coefficients. Nous illustrons comment concevoir et entraîner un réseau neuronal capable d'apprendre la distribution des coefficients DCT. De plus, nous présentons le réseau de traçage des artefacts de compression (CAT-Net) qui utilise conjointement les artefacts d'acquisition d'image et ceux de compression. Il surpass significativement les méthodes traditionnelles et basées sur les réseaux neuronaux profonds en matière de détection et de localisation des régions modifiées.