Ce rapport technique résume la solution gagnante du Défi de Prédiction d'Occupation 3D, organisé conjointement avec l'Atelier sur la Conduite Autonome de bout en bout (CVPR 2023 Workshop on End-to-End Autonomous Driving) et l'Atelier sur la Conduite Autonome Centrée sur la Vision (CVPR 23 Workshop on Vision-Centric Autonomous Driving). Notre solution proposée, FB-OCC, s'appuie sur FB-BEV, une conception de perception en vue d'oiseau basée sur caméra à la pointe de la technologie utilisant des projections avant-arrière. Sur la base de FB-BEV, nous avons étudié des conceptions et des optimisations novatrices spécifiquement adaptées à la tâche de prédiction d'occupation 3D, notamment le pré-entraînement conjoint profondeur-sémantique, la représentation conjointe voxel-BEV, l'échelonnage du modèle et des stratégies efficaces de post-traitement. Ces conceptions et optimisations ont permis d'obtenir un score mIoU (mean Intersection over Union) record de 54,19 % sur le jeu de données nuScenes, classant notre solution en première position dans le classement du défi. Le code source et les modèles seront mis à disposition sur : https://github.com/NVlabs/FB-BEV.