Les récentes avancées dans la super-résolution vidéo ont montré que les réseaux neuronaux convolutifs combinés à la compensation de mouvement sont capables de fusionner des informations provenant de plusieurs images en résolution faible (LR) pour générer des images de haute qualité. Les méthodes actuelles les plus performantes traitent un lot d'images LR pour produire une seule image en résolution élevée (HR) et appliquent ce schéma de manière glissante sur l'ensemble de la vidéo, traitant ainsi le problème comme un grand nombre de tâches distinctes de super-résolution multi-images. Cette approche présente deux faiblesses principales : 1) Chaque image d'entrée est traitée et déformée plusieurs fois, augmentant le coût computationnel, et 2) chaque image de sortie est estimée indépendamment en fonction des images d'entrée, limitant la capacité du système à produire des résultats temporellement cohérents.Dans cette étude, nous proposons un cadre de super-résolution vidéo récurrent par trame, entièrement entraînable, qui utilise l'estimation HR précédemment inférée pour super-résoudre la trame suivante. Cette méthode encourage naturellement des résultats temporellement cohérents et réduit le coût computationnel en ne déformant qu'une seule image à chaque étape. De plus, grâce à sa nature récurrente, la méthode proposée a la capacité d'intégrer un grand nombre d'images précédentes sans augmentation des exigences computationnelles. Des évaluations exhaustives et des comparaisons avec les méthodes antérieures valident les forces de notre approche et démontrent que le cadre proposé est capable de surpasser significativement l'état actuel de l'art.