Depuis 2016, les données radars du réseau Aramis (Météo-France) sont accessibles. Ce sont des données brutes : un nettoyage des signaux parasites (échos fixes, ”interférences”) doit être effectué. Pour traiter le problème, nous avons développé une approche par deep learning in- spirée des ‘denoising autoencoder’. Cette approche, semi-supervisée, permet d’alléger le recours à l’expertise humaine lors de la production des bases d’apprentissage. Contrairement aux al- gorithmes existants, elle n’est pas basée sur une connaissance statistique a priori des signaux parasites. La méthode comporte une phase de réglage qui implique des données de simulation. Des évalu- ations sur les données simulées et réelles seront présentées.