Nous introduisons une nouvelle approche permettant de récupérer automatiquement la posture 3D d’un être humain à partir d’une seule image. La plupart des travaux antérieurs suivent une approche en chaîne : une première étape consiste à détecter dans l’image un ensemble de caractéristiques 2D telles que des contours, des articulations ou des silhouettes, puis ces observations sont utilisées pour inférer la posture 3D. Résoudre ces deux problèmes de manière séparée peut entraîner des estimations erronées de la posture 3D lorsque le détecteur de caractéristiques 2D fonctionne de manière insatisfaisante. Dans cet article, nous abordons ce problème en résolvant conjointement les deux tâches de détection 2D et d’inférence 3D. À cette fin, nous proposons un cadre bayésien intégrant un modèle génératif basé sur des variables latentes et des détecteurs 2D discriminatifs fondés sur les HOG (Histogram of Oriented Gradients), et nous réalisons l’inférence à l’aide d’algorithmes évolutionnaires. Des expérimentations réelles montrent des résultats compétitifs, ainsi que la capacité de notre méthode à fournir des estimations précises de posture 2D et 3D, même lorsque les détecteurs 2D présentent des erreurs.