Les polypes sont les précurseurs du cancer colorectal, l'une des principales causes de décès liés au cancer dans le monde. La coloscopie constitue la procédure de référence pour l’identification, la localisation et l’exérèse des polypes colorectaux. En raison de leur variabilité morphologique, de leurs dimensions variables et de leur similitude avec les tissus environnants, les polypes colorectaux sont fréquemment manqués par les cliniciens lors de la coloscopie. L’application d’une méthode automatique, précise et rapide de segmentation des polypes pendant la coloscopie permettrait de détecter et d’éliminer de nombreux polypes de manière efficace. Le défi « Medico automatic polyp segmentation » offre une opportunité d’étudier la segmentation des polypes et de développer un algorithme de segmentation à la fois efficace et précis. Dans cette étude, nous utilisons un modèle U-Net dont l’encodeur est un ResNet50 pré-entraîné pour la segmentation des polypes. Le modèle est entraîné sur le jeu de données Kvasir-SEG fourni pour le défi, puis évalué sur le jeu de données fourni par l’organisateur, atteignant un coefficient de Dice de 0,8154, un indice de Jaccard de 0,7396, un rappel (recall) de 0,8533, une précision (precision) de 0,8532, une accuracy de 0,9506 et un score F2 de 0,8272, démontrant ainsi la capacité généralisable de notre modèle.