Estimer la posture de plusieurs animaux constitue un problème difficile en vision par ordinateur : les interactions fréquentes entraînent des occlusions et compliquent l’association des points clés détectés aux individus correspondants, notamment dans des situations où les animaux ont une apparence très similaire et interagissent plus étroitement qu’en cas typique d’humains multiples. Pour relever ce défi, nous nous appuyons sur DeepLabCut, une boîte à outils open source pour l’estimation de posture, et proposons des fonctionnalités avancées d’assemblage et de suivi d’animaux — essentielles dans les scénarios multi-animaux. En outre, nous intégrons la capacité à prédire l’identité d’un animal afin d’aider au suivi (en particulier en cas d’occlusion). Nous illustrons la puissance de ce cadre avec quatre jeux de données de complexité variable, que nous mettons à disposition afin de servir de référence pour le développement futur d’algorithmes.