Actuellement, dans le domaine du pilotage automatisé (AD), la plupart des architectures de détection d'objets 3D (qu'elles soient basées sur des ancres ou sans ancre) traitent la détection comme un problème de régression de boîte englobante (BBox). Toutefois, cette représentation compacte ne permet pas d'exploiter l'ensemble des informations des objets. Pour remédier à ce problème, nous proposons un cadre de détection simple mais pratique permettant de prédire simultanément la BBox 3D et la segmentation d'instances. Pour la segmentation d'instances, nous introduisons une stratégie basée sur des embeddings spatiaux (SEs) afin d’assembler tous les points foreground autour de leurs centres respectifs. À partir des résultats obtenus grâce aux SEs, des propositions d'objets peuvent être générées via une stratégie de regroupement simple. Pour chaque cluster ainsi formé, une seule proposition est produite, ce qui rend inutile l'étape de suppression non maximale (NMS). Enfin, grâce à une nouvelle méthode d’aggrégation ROI sensible aux instances, la BBox est affinée par un réseau de deuxième étape. Les résultats expérimentaux sur le jeu de données public KITTI montrent que les SEs proposés améliorent significativement les performances de segmentation d'instances par rapport aux méthodes basées sur des embeddings de caractéristiques. Par ailleurs, ils surpassent également la plupart des détecteurs d'objets 3D sur le benchmark de test KITTI.