Nous présentons une nouvelle approche de régression de la profondeur exploitant le flou de défocalisation dans des patchs d'image. La plupart des méthodes dites de Depth from Defocus (DFD) reposent sur une classification locale de flou parmi un ensemble de flous potentiels liés à une profondeur, ce qui induit des erreurs dues à sa variation continue en pratique. Nous proposons d'utiliser un encodage de la profondeur réelle en un vecteur de probabilité d'appartenance à plusieurs labels et d'entraîner un réseau de neurones de régression à partir de ce vecteur. Notre méthode surpasse à la fois le codage dur (i.e. classification) et les approches de régressions directes, sur des images simulées provenant de jeux de données de textures structurées, et sur un jeu de données réelles provenant d'une expérience de DFD actif.