La compréhension des représentations des objets exige un échantillonnage vaste et exhaustif des objets présents dans notre monde visuel, accompagné de mesures détaillées de l’activité cérébrale et du comportement. Dans cette étude, nous présentons THINGS-data, une collection multimodale de grands ensembles de données neuroimagerie et comportementales chez l’être humain, comprenant des enregistrements fonctionnels par IRM à haut débit et magnétoencéphalographiques (MEG) densément échantillonnés, ainsi que 4,70 millions d’évaluations de similarité issues de milliers d’images photographiques, portant sur jusqu’à 1 854 concepts d’objets. THINGS-data se distingue par la richesse de ses annotations sur les objets, offrant la possibilité de tester de manière à grande échelle un nombre infini d’hypothèses tout en évaluant la reproductibilité des résultats antérieurs. Au-delà des perspectives uniques offertes par chaque ensemble de données individuelles, la nature multimodale de THINGS-data permet de combiner ces données pour obtenir une vision bien plus complète du traitement des objets qu’auparavant. Nos analyses démontrent la haute qualité de ces ensembles de données et proposent cinq exemples d’applications fondées sur des hypothèses ou sur des données. THINGS-data constitue la publication publique centrale de l’initiative THINGS (https://things-initiative.org), visant à combler le fossé entre disciplines et à faire avancer la neurosciences cognitives.