Nous proposons ViDeNN : un CNN pour le débruitage vidéo sans connaissance préalable de la distribution du bruit (débruitage aveugle). L'architecture du CNN utilise une combinaison de filtrages spatiaux et temporels, apprenant à débruiter les images d'une séquence vidéo dans un premier temps et simultanément comment combiner leurs informations temporelles, en gérant les mouvements d'objets, les variations de luminosité, les conditions de faible éclairage et les incohérences temporelles. Nous mettons en évidence l'importance des données utilisées pour l'entraînement des CNN, en créant à cet effet un ensemble de données spécifique pour les conditions de faible éclairage. Nous testons ViDeNN sur des benchmarks courants ainsi que sur des données collectées par nos soins, obtenant des résultats satisfaisants comparables à ceux de l'état de l'art.