L’extraction de caractéristiques géométriques à partir de scans 3D ou de nuages de points constitue la première étape dans des applications telles que l’alignement (registration), la reconstruction et le suivi (tracking). Les méthodes actuelles de pointe nécessitent de calculer des caractéristiques de bas niveau en entrée ou d’extraire des caractéristiques basées sur des patches, aux champs réceptifs limités. Dans ce travail, nous proposons des caractéristiques géométriques entièrement convolutives, calculées en une seule passe par un réseau convolutif 3D entièrement convolutif. Nous introduisons également de nouvelles pertes d’apprentissage métrique qui améliorent considérablement les performances. Les caractéristiques géométriques entièrement convolutives sont compactes, captent un large contexte spatial et s’échelonnent efficacement à de grandes scènes. Nous validons expérimentalement notre approche sur des jeux de données intérieurs et extérieurs. Les caractéristiques géométriques entièrement convolutives atteignent une précision de pointe sans nécessiter de prétraitement, sont compactes (32 dimensions) et sont 600 fois plus rapides que la méthode la plus précise précédemment proposée.