Dans cet article, nous proposons une amélioration basée sur du transfert de connaissances d'un algorithme de classification d'objets 3D existant, afin de pouvoir faire face aux manques de données, problème fréquent en apprentis-sage. L'idée maitresse réside dans le fait de transférer directe-ment les sous-parties constructrices d'attributs d'un do-maine vers un autre, afin de conserver les avantages d'in-terprétabilité et de souplesse de la méthode d'origine. Mots Clefs Classification supervisée, objets 3D, apprentissage par transfert, sélection d'attributs. Abstract In this article, we propose an improvement of an algorithm dealing with classification of 3D objects, using transfer learning, in order to face the lack of data, a frequent problem in learning systems. The main idea is to directly transfer some sub-partswhich are attributes builder from one domain to another in order to keep the advantages of interpretability and flexibility of the original method.