Dans l'analyse d'images médicales, le coût élevé de l'acquisition de données de haute qualité ainsi que de leur annotation par des experts constitue une barrière majeure dans de nombreuses applications médicales. La plupart des méthodes actuellement utilisées reposent sur un cadre d'apprentissage supervisé, nécessitant une grande quantité de données annotées pour atteindre des performances satisfaisantes. À titre alternatif, dans cet article, nous proposons une approche d'apprentissage auto-supervisé (SSL) visant à extraire des représentations spatiales anatomiques à partir des trames de séquences vidéo d'imagerie par résonance magnétique (IRM) pour le diagnostic de troubles du genou. Le modèle prétexte apprend des représentations invariantes au contexte spatial significatives. La tâche descendante étudiée dans ce travail consiste en une classification multi-étiquettes déséquilibrée. Différents expérimentations montrent que les caractéristiques apprises par le modèle prétexte permettent d'obtenir des performances compétitives sur la tâche descendante. En outre, les résultats démontrent l'efficacité et la fiabilité du modèle prétexte proposé pour apprendre des représentations des classes minoritaires, sans avoir recours à toute stratégie spécifique de traitement du déséquilibre des données. À notre connaissance, ce travail constitue le premier à démontrer de manière efficace et fiable l'apport des algorithmes d'apprentissage auto-supervisé dans des tâches de classification multi-étiquettes déséquilibrées sur des vidéos IRM.Le code utilisé pour l'évaluation de ce travail est disponible à l'adresse suivante : https://github.com/sadimanna/skid.