L’identification fiable des défauts dans les ouvrages en béton armé (RCDs) joue un rôle fondamental dans l’évaluation de l’intégrité structurelle, de la sécurité routière et de la durabilité à long terme des ponts en béton, qui constituent le type de pont le plus répandu dans le monde. Néanmoins, les jeux de données disponibles pour la reconnaissance des RCDs sont limités en taille et en diversité des classes, ce qui remet en question leur utilité dans des scénarios réels ainsi que leur pertinence en tant que référence de benchmark. Notre contribution à ce défi est « dacl10k », un jeu de données exceptionnellement diversifié pour la segmentation sémantique multi-étiquettes, comprenant 9 920 images issues d’inspections réelles de ponts. dacl10k distingue 12 classes de dommages ainsi que 6 composants structuraux clés dans l’évaluation des ouvrages et la recommandation d’actions, telles que des travaux de réparation, des limitations de charge ou même la fermeture du pont. En outre, nous examinons plusieurs modèles de base pour dacl10k, qui sont ensuite évalués. Le meilleur modèle atteint un indice de moyenne d’intersection sur union (mIoU) de 0,42 sur l’ensemble de test. dacl10k, accompagné de nos modèles de base, sera mis à disposition librement aux chercheurs et praticiens, représentant actuellement le plus grand jeu de données en termes de nombre d’images et de diversité des classes pour la segmentation sémantique dans le domaine de l’inspection des ponts.