L'apprentissage de graphes spatio-temporels devient un objet d'étude de plus en plus important dans le domaine des graphes. De nombreux domaines d'application impliquent des graphes hautement dynamiques où l'information temporelle est cruciale, par exemple les réseaux de circulation et les graphes de transactions financières. Malgré les progrès constants réalisés dans l'apprentissage de données structurées, il manque encore des moyens efficaces pour extraire des caractéristiques complexes et dynamiques à partir des structures spatio-temporelles. En particulier, les modèles conventionnels tels que les réseaux de neurones convolutifs ou récurrents ne sont pas capables de révéler simultanément les motifs temporels à court et long terme et d'explorer les propriétés spatiales à l'échelle locale et globale dans les graphes spatio-temporels. Pour résoudre ce problème, nous avons conçu une nouvelle architecture multi-échelle, Spatio-Temporal U-Net (ST-UNet), pour la modélisation de séries temporelles structurées en graphe. Dans ce réseau en forme de U, une opération d'échantillonnage jumelée est proposée dans le domaine spatio-temporel : le regroupement (ST-Pool) grossit le graphe d'entrée spatialement à partir de sa partition déterministe tout en abstrayant des dépendances temporelles multi-résolution grâce à des connexions récurrentes dilatées ; sur la base des paramètres précédents lors du sous-échantillonnage, le dégroupement (ST-Unpool) restaure la structure originale des graphes spatio-temporels et reprend des intervalles réguliers au sein des séquences de graphes. Les expériences menées sur des tâches de prédiction spatio-temporelle montrent que notre modèle capture efficacement des caractéristiques complètes à plusieurs échelles et réalise des améliorations substantielles par rapport aux méthodes principales sur plusieurs jeux de données réels.