Le reconnaisance de personnes (person re-ID) vise à associer des individus à travers plusieurs caméras non chevauchantes. Malgré le déploiement croissant de plateformes aériennes dans les systèmes de surveillance, les benchmarks existants en re-ID se concentrent principalement sur les paires de caméras au sol (ground-ground), tandis que les efforts consacrés au re-ID entre caméras aériennes (aerial-aerial) restent très limités. Nous proposons un nouveau benchmark, appelé AG-ReID, qui exploite le re-ID de personnes dans un nouveau cadre : entre caméras aériennes et au sol. Notre jeu de données comprend 21 983 images provenant de 388 identités, avec 15 attributs doux (soft attributes) associés à chaque identité. Les données ont été collectées par un drone (UAV) volant à une altitude comprise entre 15 et 45 mètres, ainsi qu’une caméra de surveillance au sol (CCTV) située sur un campus universitaire. Ce jeu de données pose un défi original lié à un point de vue élevé, en raison des différences importantes dans l’apparence des individus observés par ces deux types de capteurs. Pour relever ce défi, nous proposons un algorithme explicite qui guide l’entraînement du modèle de re-ID en s’appuyant sur les attributs doux. Des expériences montrent l’efficacité de notre méthode sur la tâche de re-ID aérien-terrestre. Le jeu de données sera publié, et le code de référence sera mis à disposition sur GitHub à l’adresse suivante : https://github.com/huynguyen792/AG-ReID, afin de favoriser les recherches dans ce domaine.