La recherche en segmentation sémantique a récemment connu un progrès rapide, mais de nombreuses méthodes de pointe sont incapables d’identifier les instances d’objets. Dans cet article, nous proposons un modèle appelé Multi-task Network Cascades pour la segmentation sémantique consciente des instances. Notre architecture repose sur trois réseaux distincts, respectivement chargés de différencier les instances, d’estimer les masques et de catégoriser les objets. Ces réseaux forment une structure en cascade, conçue pour partager leurs caractéristiques convolutionnelles. Nous avons développé un algorithme permettant une formation end-to-end non triviale de cette structure causale en cascade. Notre solution constitue un cadre d’apprentissage simple et en une seule étape, généralisable à des cascades comportant un nombre plus élevé d’étapes. Nous démontrons une précision de segmentation instance-aware au niveau de l’état de l’art sur le jeu de données PASCAL VOC. Par ailleurs, notre méthode nécessite uniquement 360 ms pour traiter une image en utilisant VGG-16, soit deux ordres de grandeur plus rapide que les systèmes précédents pour ce problème difficile. En outre, comme produit secondaire, notre approche obtient également de résultats remarquables en détection d’objets, dépassant les systèmes compétitifs Fast/Faster R-CNN.La méthode présentée dans cet article constitue la base de nos soumissions au concours de segmentation MS COCO 2015, où nous avons remporté la première place.