As práticas sociais se realizam por meio de vários textos que, na atualidade, têm gerado em sua composição um imbricamento de diversas semioses para a sua interação na sociedade. Assim, os estudos linguísticos têm lançado um olhar acerca da multimodalidade dos enunciados, já que eles são constantes nas mais diversas interações comunicativas. Portanto, a arquitetura multimodal desses enunciados, também, tem chegado às avaliações externas provocando efeitos de sentido diversos que, por sua vez, exigem dos sujeitos envoltos nesses processos avaliativos cada vez mais habilidades voltadas à leitura integrada dos códigos semióticos. É, nesse contexto, que a presente dissertação se instaura, uma vez que objetivamos analisar como é feita a articulação verbo-imagética das questões de Língua Portuguesa nas provas do ENEM, a saber, nas edições de 2000, 2010 e 2019. Para isso, a pesquisa se dá a partir de aparatos teóricos oriundos da Semiótica Social em Kress e Van Leeuwen (1996, 2006), Hodge e Kress (1998) e com expoentes nos estudos da Multimodalidade como Krees e Van Leeuwen (1996, 2006), Almeida e Fernandes (2008), Jewitt (2008, 2009), Gualberto (2016) entre outros que são basilares para o diálogo teórico. Além disso, para o entendimento do Letramento e do Letramento Visual, dispomos das discussões iniciais de Kleiman (1995, 2007), Soares (2012) e Paes de Barros (2005). Considerando a natureza à qual a pesquisa se adequa, fez-nos priorizar a perspectiva qualitativa proposta por Chizzotti (2017), tendo como técnica a pesquisa documental de Flick (2009) e como constituição do corpus as questões do ENEM das edições 2000, 2010 e 2019 disponibilizadas no site do Inep. Assim, o corpus recortado completa um total de 09 (nove) questões das provas de Língua Portuguesa, 03 (três) delas para cada um das edições elencadas, além do olhar analítico dos comandos das questões. Nesse contexto, a pesquisa nos permite traçar os seguintes resultados: as imagens têm sido cada vez mais presentes no ENEM, como é possível já perceber a partir da edição de 2000; os textos multimodais que a prova de Língua Portuguesa apresenta são diversos, no entanto, muitas dessas questões ainda apresentam uma abordagem superficial acerca do que consideramos como mais viável para um trabalho que dignifique os elementos imagéticos, além disso, nem sempre nos comandos se apresentam enunciados explícitos da necessidade de uma leitura mais global do texto, ou seja, que o participante leia todas as semioses. Por fim, acreditamos que esta pesquisa colabora para a compreensão da funcionalidade semiótica dos elementos verbo-imagéticos em questões do ENEM, possibilitando que se ampliem as discussões sobre a Multimodalidade nos estudos linguísticos.