Ce travail présente Vilio, une implémentation de modèles visio-linguistiques de pointe ainsi que leur application au jeu de données Hateful Memes. Les modèles mis en œuvre ont été intégrés dans une base de code uniforme et ajustés afin d’améliorer leurs performances. L’objectif de Vilio est de fournir un point de départ convivial pour toute tâche visio-linguistique. Un ensemble de cinq modèles V+L différents implémentés dans Vilio a obtenu la 2e place au concours Hateful Memes parmi 3 300 participants. Le code source est disponible à l’adresse suivante : https://github.com/Muennighoff/vilio.