L’apprentissage de représentations discriminantes, invariantes vis-à-vis des vues et multi-échelles de l’apparence humaine à différents niveaux sémantiques est d’une importance capitale pour la reconnaissance de personnes (person Re-Identification, ou Re-ID). Une quantité croissante d’efforts a été consacrée par la communauté à l’apprentissage de modèles profonds de Re-ID capables de capturer une représentation sémantique globale et unique. Pour améliorer les performances obtenues, des attributs visuels supplémentaires ainsi que des modèles guidés par des parties du corps ont été intégrés. Toutefois, ces approches nécessitent souvent des étiquetages humains intensifs ou imposent des coûts computationnels supplémentaires. Nous soutenons qu’une méthode inspirée de la pyramide, capable de capturer des informations multi-échelles, pourrait surmonter ces contraintes. Plus précisément, des bandes multi-échelles représentant l’information visuelle d’une personne peuvent être exploitées par une nouvelle architecture qui les factorise en facteurs discriminants latents à plusieurs niveaux sémantiques. Une fonction de perte multi-tâches est combinée à une stratégie d’apprentissage progressif (curriculum learning) afin d’apprendre une représentation discriminante et invariante de la personne, exploitée ensuite pour l’apprentissage par similitude triplet. Les résultats obtenus sur trois jeux de données standards de Re-ID démontrent une performance supérieure à celle des méthodes existantes (par exemple, une précision dépassant 90 % sur le jeu de données Duke-MTMC).