Développer un modèle d’analyse d’anomalies précis et rapide constitue une tâche essentielle dans les applications de vision par ordinateur en temps réel. De nombreuses recherches ont été menées afin de concevoir un modèle unique capable de détecter soit des anomalies structurelles, soit des anomalies logiques, qui sont intrinsèquement distinctes. La majorité des approches existantes supposent implicitement que l’anomalie peut être représentée par l’identification d’un emplacement anormal. Toutefois, nous soutenons que les anomalies logiques, telles que le nombre incorrect d’objets, ne peuvent pas être adéquatement représentées par des cartes de caractéristiques spatiales et nécessitent une approche alternative. En outre, nous avons exploré la possibilité de détecter les anomalies logiques en appliquant une méthode de détection d’observations hors distribution (out-of-distribution) dans l’espace des caractéristiques, qui agrège les informations spatiales des cartes de caractéristiques. À titre d’illustration, nous proposons une méthode qui intègre une approche simple de détection hors distribution dans l’espace des caractéristiques, comparée aux méthodes de reconstruction les plus avancées. Malgré sa simplicité, notre méthode, nommée PUAD (Picturable and Unpicturable Anomaly Detection), atteint des performances de pointe sur le jeu de données MVTec LOCO AD.