Dans cet article, nous proposons une architecture de réseau neuronal profond pour la reconnaissance d'objets basée sur les réseaux neuronaux récurrents. Le réseau proposé, appelé ReNet, remplace la couche de convolution + pooling omniprésente des réseaux neuronaux convolutifs profonds par quatre réseaux neuronaux récurrents qui balayent l'image horizontalement et verticalement dans les deux sens. Nous évaluons le ReNet proposé sur trois ensembles de données de référence largement utilisés : MNIST, CIFAR-10 et SVHN. Les résultats suggèrent que ReNet est une alternative viable aux réseaux neuronaux convolutifs profonds et qu'une enquête plus approfondie est nécessaire.