Nous présentons un nouveau cadre d’alignement facial fondé sur une recherche progressive de forme de grossière à fine. Contrairement aux approches classiques de régression en cascade, qui partent d’une forme initiale et la raffinent de manière successive, notre méthode commence par une recherche grossière dans un espace de formes contenant une grande diversité de configurations, puis utilise cette solution grossière pour contraindre les recherches ultérieures plus fines. Ce processus progressif et adaptatif par étapes présente deux avantages majeurs : i) il empêche la solution finale de s’arrêter dans des optima locaux dus à une mauvaise initialisation, un problème fréquent rencontré par les méthodes de régression en cascade ; ii) il améliore la robustesse face aux grandes variations d’orientation. Ce cadre atteint des performances en temps réel et des résultats de pointe sur diverses bases de données, y compris le défi 300-W.