La segmentation automatique des polypes s’est avérée extrêmement utile pour les procédures d’endoscopie, réduisant le taux de non-détection des adénomes par les endoscopistes tout en améliorant l’efficacité. Toutefois, classifier un polype comme néoplasique ou non, tout en le segmentant au niveau pixel, reste une tâche difficile à accomplir avec précision dans un délai limité. Dans ce travail, nous proposons une formulation fine du problème de segmentation des polypes. Notre approche vise non seulement à segmenter les régions polypoïdes, mais aussi à identifier avec une haute précision celles présentant un risque élevé de malignité. Par ailleurs, nous présentons une architecture de réseau neuronal basée sur UNet, appelée NeoUNet, ainsi qu’une fonction de perte hybride pour résoudre ce problème. Les expériences montrent que NeoUNet obtient des résultats très compétitifs sur notre jeu de données de référence par rapport aux modèles existants de segmentation des polypes.