L'ajustement d'un maillage surfacique comme modèle géométrique sur un nuage de points est une étape courante dans les applications utilisant ce genre de données. Nous nous intéressons ici à l'ajustement de ces surfaces sur des acquisition d'objets artificiels, dans le but de retrouver leur structure au sein d'un nuage de points éventuellement bruité où comprenant des don-nées non pertinentes (ou valeurs aberrantes). Bien que ce problème et la méthode proposée restent très généraux, nous nous intéressons tout particulièrement au cas de modèles de toits ajustés sur des données LIDAR aériennes. Tandis que la plupart des méthodes utilisées jusqu'à présent se concentrent sur la reconstruction puis la combinaison d'objets géométriques simples, nous proposons une méthode considérant le problème comme un unique problème d'optimisation contraint, et exposons une méthode efficace pour sa résolution. Plus précisément, nous définissons une fonction de distance qui sera numériquement mini-misée de façon à faire correspondre le modèle surfacique et le nuage de points. Comme la convergence vers le minimum global n'est pas garantie, nous proposons également une évaluation de la méthode en fonction de la position initiale et de la qualité du nuage de points.