La segmentation et la classification précises des tumeurs cérébrales à partir d’imagerie par résonance magnétique (IRM) restent des défis majeurs en analyse d’images médicales, principalement en raison du manque de jeux de données de haute qualité, équilibrés et diversifiés. Dans ce travail, nous présentons un nouveau jeu de données d’IRM, nommé BRISC, spécifiquement conçu pour les tâches de segmentation et de classification des tumeurs cérébrales. Ce jeu de données comprend 6 000 examens d’IRM en séquence T1 pondérée par contraste, annotés par des radiologues et des médecins certifiés. Il inclut trois principaux types de tumeurs — gliome, méningiome et tumeur hypophysaire — ainsi que des cas non tumoraux. Chaque échantillon est associé à des étiquettes de haute résolution et est classé selon les plans d’imagerie axiale, sagittal et coronal, afin de favoriser le développement de modèles robustes et la généralisation inter-vues. Pour illustrer l'utilité de ce jeu de données, nous proposons un modèle basé sur les transformateurs, utilisant un noyau Swin Transformer pour une représentation multi-échelle des caractéristiques, afin de constituer une référence (benchmark) pour les tâches de segmentation et de classification. Ce modèle sert de référence pour démontrer l'utilité du jeu de données BRISC dans l’avancement des recherches méthodologiques en imagerie neuro-oncologique. Lien vers le jeu de données : https://this-url.com