Pendant environ 10 ans, l'approche classique pour détec-ter la présence d'un message secret inséré dans une image était d'utiliser un ensemble de classifieurs alimentés par des vecteurs de caractéristiques issues des images à traiter. Ces dernières années, des études telles que Xu et al. ont in-diqué que des réseaux de neurones convolutionnels (CNN) bien conçus peuvent atteindre des performances compa-rables aux approches classiques d'apprentissage automa-tique. Dans cet article, nous proposons un CNN qui dépasse les performances de l'état de l'art en terme de proba-bilité d'erreur de classification. La proposition s'inscrit dans la continuité de ce qui a été proposé récemment et consiste en une fusion intelligente de briques importantes proposées dans divers articles. Parmi les éléments essen-tiels du CNN proposé, on peut citer l'utilisation : d'un ensemble de filtres pour le prétraitement de l'image d'en-trée, de la troncature comme fonction d'activation, d'au moins cinq couches convolutionnelles avec une normalisa-tion par lot (Batch normalization layer) et une couche de mise à l'échelle (Scale layer) ainsi qu'une couche entière-ment connectée correctement dimensionnée.