La détection et la localisation des obstacles à partir d'un nuage de points LiDAR sont des sujets majeurs dans le domaine de la conduite autonome. Les méthodes qui deviennent de plus en plus précises opèrent toutes de bout en bout, c'est-à-dire en retournant directement les coordonnées des boîtes englobantes des objets d'intérêt qu'elles estiment correctes. Cette stratégie rend plus difficile le diagnostic en cas de défaillance. Nous présentons une approche simple qui produit d'une part une carte de probabilité intermédiaire permettant de sélectionner les régions d'intérêt pour un système a posteriori, et de les visualiser lors de l'inférence. D'autre part, les véhicules correctement détectés sont représentés sous la forme d'ellipses. Un véhicule caché pourra ne pas être une ellipse complète, sa marque indiquera tout de même une présence. Grâce à cette représentation paramétrique des obstacles, une extraction directe des prédictions à partir de cette carte intermédiaire est possible. La simplicité architecturale de l'approche proposée, en comparaison des méthodes de l'état de l'art, ne l'empêche pas d'atteindre un haut niveau de performances sur le benchmark KITTI pour la détection
d'obstacles en vue de dessus.