La segmentation précise des tumeurs cérébrales joue un rôle essentiel dans le processus de diagnostic. Toutefois, plusieurs défis persistent en raison de la grande variété des tumeurs, notamment en termes de faible contraste, de morphologie, de localisation, de biais d'annotation et d'imbalanced distribution des régions tumorales. Ce travail propose un nouveau module d'attention à deux domaines 3D, conçu pour extraire à la fois des informations locales et globales dans les domaines spatial et contextuel à partir des cartes de caractéristiques encodées dans un réseau Unet. Ce module d'attention génère des cartes de caractéristiques améliorées à chaque étape grâce à des mécanismes d'attention et à l'apprentissage par résidus, en se concentrant particulièrement sur les régions tumorales complexes, grâce à un champ de réception élargi. Nos expériences menées sur le jeu de données BraTS 2018 ont démontré une performance supérieure par rapport aux méthodes les plus avancées existantes.