Le parsing facial a récemment suscité un intérêt croissant en raison de ses nombreuses applications potentielles, telles que la maquillage facial et la génération d’images faciales. Dans cet article, nous apportons des contributions à la tâche de parsing facial sous deux aspects. Premièrement, nous développons un cadre efficace pour l’annotation au niveau des pixels dans le parsing facial et construisons un nouveau jeu de données à grande échelle guidé par des points d’ancrage (Landmark guided face Parsing dataset, LaPa). Ce jeu de données comprend plus de 22 000 images faciales présentant une grande variété d’expressions, d’orientations et d’occlusions. Chaque image du jeu LaPa est associée à une carte d’étiquetage au niveau des pixels à 11 catégories ainsi qu’à 106 points d’ancrage. Ce jeu de données est mis à disposition du public afin de stimuler les progrès dans le domaine du parsing facial. Deuxièmement, nous proposons une méthode simple mais efficace, appelée Segmentation sémantique avec attention aux frontières (Boundary-Attention Semantic Segmentation, BASS), destinée au parsing facial. Cette méthode repose sur un réseau à trois branches, doté de fonctions de perte soigneusement conçues afin d’exploiter pleinement les informations de contour. Des expériences étendues sur notre benchmark LaPa et sur le jeu de données public Helen démontrent l’efficacité supérieure de la méthode proposée.