Ce papier présente un réseau neuronal LDC (Lightweight Dense Convolutional) pour la détection de contours. Le modèle proposé constitue une adaptation de deux approches de pointe, tout en nécessitant moins de 4 % des paramètres par rapport à ces méthodes. L'architecture proposée génère des cartes de contours fines et obtient le meilleur score (c’est-à-dire ODS) parmi les modèles légers (avec moins d’un million de paramètres), tout en atteignant une performance comparable à celle des architectures lourdes (modèles comptant environ 35 millions de paramètres). Des résultats quantitatifs et qualitatifs, ainsi que des comparaisons avec des modèles de pointe, sont fournis sur diverses bases de données de détection de contours. Le modèle LDC proposé n'utilise pas de poids pré-entraînés et requiert des réglages de hyperparamètres simples. Le code source est disponible à l’adresse suivante : https://github.com/xavysp/LDC.