La stéréophotométrie est une technique de reconstruction 3D de la surface d'un objet, à partir de plusieurs images de celui-ci, prises du même point de vue mais avec différents angles d'éclairage. Dans cet article, une revue des méthodes récentes de stéréphotométrie est d'abord proposée. Dans un second temps, nous définissons un ensemble de contraintes à suivre pour la génération d'un jeu de données d'apprentissage pertinent, utilisable pour l'apprentissage de réseaux de neurones convolutionnels dédiés à la stéréophotométrie. Nous illustrons l'importance de la variabilité de ce jeu de données, avec des exemples comparatifs de reconstruction de champs de normales.