Cet article présente une nouvelle méthode utilisant l'apprentissage profond pour le recalage de nuages de points 3D. La méthode comprend un descripteur fondé sur des graphes convolutifs, un mécanisme d'attention et un algorithme de transport optimal pour estimer l'appariement des points. RANSAC est utilisé pour calculer la transformation rigide entre les deux nuages de points en fonction des correspondances prédites par le réseau. L'architecture proposée surpasse les méthodes de l'état de l'art sur la base de données ModelNet40.