La plupart des algorithmes existants de suppression de bruit sont conçus pour les images en niveaux de gris, tandis qu’il n’est pas trivial d’étendre ces méthodes à la suppression de bruit dans les images couleur, en raison des statistiques de bruit très différentes pouvant exister entre les canaux R, G et B dans les images réelles bruitées. Dans cet article, nous proposons un modèle d’optimisation multi-canaux (MC) pour la suppression de bruit d’images couleur réelles, dans le cadre de la minimisation de la norme nucléaire pondérée (WNNM). Nous concaténons les patches RGB afin d’exploiter la redondance entre les canaux, et introduisons une matrice de poids pour équilibrer la fidélité aux données des trois canaux, en tenant compte de leurs statistiques de bruit distinctes. Le modèle MC-WNNM proposé ne possède pas de solution analytique. Nous le reformulons sous la forme d’un problème contraint par égalité linéaire, que nous résolvons à l’aide de la méthode des multiplicateurs de Lagrange alternés (ADMM). Chaque étape d’actualisation alternée admet une solution explicite, et la convergence du processus est garantie. Des expériences étendues sur des jeux de données d’images bruitées synthétiques et réelles démontrent l’avantage du modèle MC-WNNM proposé par rapport aux méthodes les plus avancées de suppression de bruit.