Les réseaux de neurones entièrement convolutifs (FCN) ont démontré leurs avantages dans la tâche de détection des objets saillants. Toutefois, la plupart des méthodes existantes basées sur les FCN souffrent encore de frontières d'objets peu précises. Dans cet article, afin de résoudre ce problème, nous nous concentrons sur la complémentarité entre les informations de contours saillants et les informations d'objets saillants. À cet effet, nous proposons un réseau guidé par les contours (EGNet) pour la détection des objets saillants, composé de trois étapes permettant de modéliser simultanément ces deux types d'informations complémentaires au sein d'un même réseau. Dans la première étape, nous extrayons les caractéristiques des objets saillants par une approche de fusion progressive. Dans la deuxième étape, nous intégrons les informations locales de contours et les informations globales de localisation afin d’obtenir les caractéristiques de contours saillants. Enfin, pour tirer pleinement parti de ces caractéristiques complémentaires, nous couplons les mêmes caractéristiques de contours saillants avec les caractéristiques d'objets saillants à différentes résolutions. Grâce à l'abondance d'informations de contours et de localisation présentes dans les caractéristiques de contours saillants, les caractéristiques fusionnées permettent une localisation plus précise des objets saillants, en particulier de leurs frontières. Les résultats expérimentaux montrent que la méthode proposée obtient des performances supérieures par rapport aux méthodes de pointe sur six jeux de données largement utilisés, sans nécessiter de prétraitement ni post-traitement. Le code source est disponible à l'adresse suivante : http://mmcheng.net/egnet/.