Nous présentons une méthode efficace pour la détection d’anomalies dans les vidéos. Les applications récentes des réseaux de neurones convolutifs ont montré un fort potentiel des couches convolutives pour la détection et la reconnaissance d’objets, notamment dans les images. Toutefois, les réseaux de neurones convolutifs sont supervisés et nécessitent des étiquettes comme signaux d’apprentissage. Nous proposons une architecture spatio-temporelle pour la détection d’anomalies dans les vidéos, y compris dans des scènes bondées. Notre architecture comporte deux composants principaux : l’un pour la représentation des caractéristiques spatiales, et l’autre pour l’apprentissage de l’évolution temporelle de ces caractéristiques spatiales. Les résultats expérimentaux sur les benchmarks Avenue, Subway et UCSD confirment que la précision de détection de notre méthode est comparable à celle des méthodes de pointe, tout en atteignant une vitesse considérable allant jusqu’à 140 fps.