Dans cet article, nous proposons un algorithme de débruitage vidéo d'avant-garde basé sur une architecture de réseau neuronal convolutif. Les approches précédentes basées sur les réseaux neuronaux pour le débruitage vidéo n'ont pas réussi à rivaliser avec les performances des méthodes par patchs. Cependant, notre méthode surpasses les concurrents basés sur les patchs avec des temps de calcul considérablement plus faibles. Contrairement aux autres débruiteurs neuronaux existants, notre algorithme présente plusieurs propriétés souhaitables, telles qu'une empreinte mémoire réduite et la capacité de gérer une large gamme de niveaux de bruit avec un seul modèle de réseau. La combinaison de ses performances en débruitage et d'une charge computationnelle moindre rend cet algorithme attrayant pour des applications pratiques de débruitage. Nous comparons notre méthode à différents algorithmes d'avant-garde, tant visuellement que par rapport aux métriques objectives de qualité. Les expériences montrent que notre algorithme se compare favorablement aux autres méthodes d'avant-garde. Des exemples vidéo, du code et des modèles sont disponibles au public sur \url{https://github.com/m-tassano/dvdnet}.