L'échantillonnage de nuages de points est un sujet de recherche moins exploré pour cette représentation de données. Les méthodes d'échantillonnage les plus couramment utilisées restent encore l'échantillonnage aléatoire classique et l'échantillonnage du point le plus éloigné. Avec le développement des réseaux neuronaux, diverses méthodes ont été proposées pour échantillonner les nuages de points dans une approche d'apprentissage basée sur des tâches. Cependant, ces méthodes sont principalement basées sur la génération, plutôt que sur la sélection directe des points à l'aide de statistiques mathématiques. Inspirés par l'algorithme de détection des contours de Canny pour les images et avec l'aide du mécanisme d'attention, cet article propose une méthode d'échantillonnage non générative basée sur l'attention pour les contours des nuages de points (APES), qui capture les points saillants dans le contour du nuage de points. Les résultats expérimentaux qualitatifs et quantitatifs montrent la supériorité de notre méthode d'échantillonnage sur les tâches基准任务 (benchmark tasks) courantes.