Les satellites imageurs radar (SAR) représentent une modalité très utilisée pour l'observation de la terre, fournissant à chaque revisite une nouvelle image de la zone d'intérêt. L'interprétation des images SAR est cependant difficile à cause du phénomène de chatoiement: des fluctuations apparaissent dans l'image, d'autant plus fortes là où la réflectivité radar est élevée. Un grand nombre de méthodes de réduction du chatoiement ont donc été développées. Nous proposons ici une approche d'apprentissage profond présentant deux originalités: 1) l'exploitation d'une série temporelle d'images afin d'améliorer la restauration d'une image d'intérêt et 2) l'entraînement sans référence du réseau de neurones.