L'estimation de la posture des animaux peut faciliter la compréhension du mouvement animal, qui est fondamentale dans des disciplines telles que la biomécanique, la neurosciences, l'éthologie, la robotique et l'industrie du divertissement. Les modèles d'estimation de la posture humaine ont atteint des performances élevées grâce à l'énorme quantité de données d'entraînement disponibles. Parvenir aux mêmes résultats pour l'estimation de la posture animale est un défi en raison du manque de jeux de données sur les postures animales. Pour résoudre ce problème, nous présentons SyDog : un jeu de données synthétique de chiens contenant les coordonnées véritables de la posture et des boîtes englobantes, généré à l'aide du moteur de jeu Unity. Nous démontrons que les modèles d'estimation de la posture formés sur SyDog obtiennent de meilleures performances que ceux formés uniquement sur des données réelles et réduisent considérablement le besoin d'étiquetage d'images fastidieux. Nous mettons le jeu de données SyDog à disposition comme référence pour l'entraînement et l'évaluation dans les recherches sur le mouvement animal.