Il s'agit du papier présentant la solution primée du premier rang au concours Drone vs. Bird, organisé par AVSS 2021. Avec l'augmentation de l'utilisation des drones, due à une baisse des coûts et à l'amélioration des technologies associées, la détection des drones s'impose comme une tâche cruciale en détection d'objets. Toutefois, la détection de drones distants dans des conditions défavorables — faible contraste, grande distance, faible visibilité — exige des algorithmes efficaces. Notre méthode aborde ce problème de détection de drones en affinant un modèle YOLOv5 à l'aide de données réelles et de données synthétiques, en combinant un suivi d'objets basé sur un filtre de Kalman afin d'améliorer la confiance des détections. Nos résultats montrent qu'en enrichissant les données réelles par un sous-ensemble optimal de données synthétiques, on peut améliorer significativement les performances. En outre, l'information temporelle extraite par les méthodes de suivi d'objets permet une amélioration supplémentaire des résultats.