Les nuages de points d’objets 3D présentent une nature compositionnelle intrinsèque, où des parties simples peuvent être assemblées pour former progressivement des formes de plus en plus complexes, aboutissant à des objets entiers. Capturer explicitement cette hiérarchie partie-tout constitue un objectif depuis longtemps recherché afin de concevoir des modèles efficaces, mais sa nature arborescente a rendu cette tâche particulièrement difficile. Dans cet article, nous proposons d’incorporer les caractéristiques d’un classificateur de nuages de points dans un espace hyperbolique, tout en régularisant explicitement cet espace afin de tenir compte de la hiérarchie partie-tout. L’espace hyperbolique est le seul espace capable d’encoder avec succès la structure arborescente de cette hiérarchie. Cette approche conduit à des améliorations significatives des performances des modèles supervisés de pointe en classification de nuages de points.