La donnée radar est essentielle pour localiser les précipitations et en mesurer l’intensité. Au début de la chaîne de traitement, ces données contiennent en mélange des échos de précipitations et des signaux parasites comme les échos de sol et les échos de ciel clair. Ces signaux parasites biaisent l’évaluation des cumuls de précipitations et compliquent l’interprétation de l’image radar. Il est donc important de pouvoir les détecter (tâche de « segmentation sémantique ») et les soustraire (« restauration »). Nous avons abordé ces problèmes de segmentation et de restauration d’image par Deep Learning. La méthode d’apprentissage développée est simple et objective : les données n’ont pas besoin d’être labellisées « à la main ». Dans un premier temps, la méthode sera décrite et située par rapport à un état de l’art en pleine évolution. Les premiers résultats, relatifs au radar météorologique de Trappes, seront présentés. La chaîne de traitement implique aussi une conversion de la réflectivité en taux de précipitations. Nous terminerons