La technologie automatisée de segmentation des polypes joue un rôle crucial dans le diagnostic des maladies intestinales, telles que les tumeurs et les lésions précancéreuses. Les travaux antérieurs ont généralement entraîné des architectures de réseaux neuronaux basées sur des convolutions, comme U-Net, ou des architectures basées sur les Transformers, à l’aide de données étiquetées. Toutefois, les jeux de données publics disponibles pour la segmentation des polypes sont trop restreints pour entraîner efficacement les réseaux, ce qui limite leur performance potentielle. Pour atténuer ce problème, nous proposons une technologie universelle d’augmentation de données afin de générer davantage de données à partir des jeux existants. Plus précisément, nous superposons la région du polype à l’arrière-plan de la même image de manière spatialement exclusive, produisant ainsi un grand nombre d’images nouvelles par combinaison. Des expériences étendues menées sur divers réseaux et jeux de données montrent que la méthode proposée améliore l’efficacité des données et obtient des gains constants par rapport aux méthodes de référence. Enfin, nous atteignons un nouveau record d’état de l’art pour cette tâche. Le code sera bientôt publié.