Les séries temporelles d’images satellitaires, renforcées par leur disponibilité croissante, occupent une place centrale dans les efforts internationaux visant à automatiser la surveillance de la Terre. En particulier, le contrôle à grande échelle des parcelles agricoles constitue une question d’une importance politique et économique majeure. À cet égard, les architectures hybrides convolutionnelles-récurrentes ont montré des résultats prometteurs pour la classification automatique des séries temporelles d’images satellitaires. Nous proposons une approche alternative dans laquelle les couches convolutionnelles sont avantageusement remplacées par des encodeurs agissant sur des ensembles non ordonnés de pixels, afin d’exploiter la résolution généralement grossière des images satellitaires disponibles publiquement. Nous proposons également d’extraire les caractéristiques temporelles à l’aide d’une architecture neuronale personnalisée fondée sur l’attention auto-associative, plutôt que sur des réseaux récurrents. Nous démontrons expérimentalement que notre méthode non seulement surpasser les approches précédemment état de l’art en termes de précision, mais aussi réduit de manière significative le temps de traitement et les besoins en mémoire. Enfin, nous mettons à disposition un grand jeu de données annotées, librement accessible, afin de servir de référence pour les travaux futurs sur les séries temporelles d’images satellitaires.