Ces dernières années, on a assisté à un important développement de la technologie de reconnaissance faciale, en raison de l’expansion massive du partage d’images sur les réseaux sociaux. Dans cet article, nous abordons la tâche difficile de déterminer la ressemblance entre parents et enfants à l’aide d’apprentissage profond, afin de répondre à la question « À qui ressemble-t-on ? ». Bien que les êtres humains soient capables d’effectuer cette tâche avec un taux supérieur au hasard, il n’est pas clair comment ils y parviennent [2]. Toutefois, des études récentes en anthropologie [24] ont identifié les caractéristiques qui tendent à être les plus discriminantes. Dans cette recherche, nous visons non seulement à concevoir un système précis de détection de ressemblance, mais aussi à combler le fossé existant entre les travaux en anthropologie et les techniques de vision par ordinateur. Par ailleurs, nous cherchons à répondre à deux questions clés : 1) Les enfants ressemblent-ils à leurs parents ? et 2) Les enfants ressemblent-ils davantage à l’un de leurs parents qu’à l’autre ? Nous proposons un algorithme qui fusionne les caractéristiques et métriques découvertes par des autoencodeurs à portes avec une couche de réseau neuronal discriminant, capable d’apprendre les caractéristiques optimales, que nous appelons « génétiques », afin de distinguer les relations parent-enfant. Nous analysons également la corrélation entre les caractéristiques automatiquement détectées par notre méthode et celles identifiées dans les études anthropologiques. Par ailleurs, notre approche dépasse les meilleures méthodes actuelles en vérification de parenté de 3 à 10 %, selon la relation considérée (père-fils, mère-fille, etc.), tant avec des modèles spécifiques qu’avec des modèles génériques.