Le suivi d'objets dans l'espace 3D et la prédiction de leur pose 6DoF (six degrés de liberté) est une tâche essentielle en vision par ordinateur. Les approches les plus avancées s'appuient souvent sur la texture des objets pour résoudre ce problème. Cependant, bien qu'elles obtiennent des résultats impressionnants, de nombreux objets ne possèdent pas une texture suffisante, ce qui contredit l'hypothèse sous-jacente principale. Dans ce qui suit, nous proposons donc ICG, un nouveau traceur probabiliste qui fusionne les informations régionales et de profondeur et n'exige que la géométrie de l'objet. Notre méthode utilise des lignes et des points de correspondance pour affiner itérativement la pose. Nous avons également mis en œuvre une gestion robuste des occultations afin d'améliorer les performances dans des conditions réelles. Des expériences menées sur les jeux de données YCB-Video, OPT et Choi montrent que notre approche surpassent l'état actuel de l'art en termes de précision et de robustesse, même pour les objets texturés. En même temps, ICG démontre une convergence rapide et une efficacité exceptionnelle, nécessitant seulement 1,3 ms par image sur un seul cœur CPU. Enfin, nous analysons l'influence des composants individuels et discutons nos performances comparées aux méthodes basées sur l'apprentissage profond. Le code source de notre traceur est disponible publiquement.