Ces dernières années, des progrès significatifs ont été réalisés dans les méthodes de détection d'objets 3D basées sur l'approche Lift-Splat-Shot (LSS). Toutefois, une estimation de profondeur inexacte reste une contrainte majeure affectant la précision des modèles de détection d'objets 3D à base de caméra seule ou multi-modale, en particulier dans les régions où la profondeur varie fortement (problème dit de « saut de profondeur »). Dans cet article, nous proposons un nouveau cadre EA-LSS (Edge-aware Lift-Splat-Shot), qui intègre un module de fusion de profondeur sensible aux contours (EADF) afin de atténuer le problème du « saut de profondeur », ainsi qu’un module de profondeur fine-grainée (FGD) pour renforcer davantage la supervision raffinée de la profondeur. Notre cadre EA-LSS est compatible avec tout modèle de détection d'objets 3D basé sur LSS, et améliore efficacement ses performances avec une augmentation négligeable du temps d'inférence. Les expériences menées sur le benchmark nuScenes démontrent que EA-LSS est efficace aussi bien dans les modèles à base de caméra seule que dans les modèles multi-modaux. Il est à noter que EA-LSS atteint des performances de pointe sur le benchmark test nuScenes, avec un mAP de 76,5 % et un NDS de 77,6 %.