À ce jour, les détecteurs d'objets semi-supervisés (SS-OD) les plus puissants reposent sur des pseudo-boîtes, qui nécessitent une suite de post-traitements avec des hyperparamètres soigneusement ajustés. Dans ce travail, nous proposons de remplacer les pseudo-boîtes éparses par une prédiction dense, sous la forme unifiée et directe d'un pseudo-label. Contrairement aux pseudo-boîtes, notre pseudo-label dense (Dense Pseudo-Label, DPL) ne requiert aucune méthode de post-traitement, préservant ainsi une information plus riche. Nous introduisons également une technique de sélection de régions afin de mettre en évidence les informations clés tout en supprimant le bruit inhérent aux étiquettes denses. Nous nommons l'algorithme SS-OD proposé, qui exploite le DPL, Dense Teacher. Sur les jeux de données COCO et VOC, Dense Teacher obtient des performances supérieures dans diverses configurations par rapport aux méthodes basées sur les pseudo-boîtes.