L’estimation précise de la profondeur en endoscopie est essentielle pour la mise en œuvre réussie de pipelines de vision par ordinateur dans diverses procédures médicales ainsi que d’outils de diagnostic assisté par ordinateur (CAD). Dans cet article, nous présentons le benchmark EndoDepth, un cadre d’évaluation conçu pour évaluer la robustesse des modèles de prédiction de profondeur monoculaire dans des scénarios endoscopiques. Contrairement aux jeux de données traditionnels, le benchmark EndoDepth intègre les défis courants rencontrés lors des procédures endoscopiques. Nous proposons une méthode d’évaluation cohérente et spécifiquement conçue pour mesurer la performance de robustesse des modèles dans ces contextes. Parmi les innovations, nous introduisons une métrique composite originale, appelée mean Depth Estimation Robustness Score (mDERS), qui permet une évaluation approfondie de la précision d’un modèle face aux erreurs induites par des altérations spécifiques des images endoscopiques. En outre, nous présentons SCARED-C, un nouveau jeu de données spécifiquement conçu pour évaluer la robustesse en endoscopie. À travers des expérimentations étendues, nous évaluons les architectures de prédiction de profondeur les plus avancées sur le benchmark EndoDepth, révélant leurs forces et leurs faiblesses face aux artefacts d’imagerie complexes propres à l’endoscopie. Nos résultats mettent en évidence l’importance des techniques spécialisées pour une estimation précise de la profondeur en endoscopie et fournissent des perspectives précieuses pour les recherches futures.