Les images satellites offrent un grand potentiel pour la surveillance continue de l'environnement et l'observation de la Terre. Cependant, les occultations causées par les nuages peuvent considérablement limiter la couverture, rendant l'extraction d'informations au sol plus difficile. Les pipelines existants effectuent généralement le retrait des nuages à l'aide de composites temporels simples et de filtres conçus manuellement. En revanche, nous abordons le problème du retrait des nuages comme un défi de synthèse d'images conditionnelle, et nous proposons un réseau génératif spatio-temporel entraînable (STGAN) pour éliminer les nuages. Nous formons notre modèle sur un nouveau jeu de données spatio-temporel à grande échelle que nous avons construit, contenant 97 640 paires d'images couvrant tous les continents. Nous démontrons expérimentalement que le modèle STGAN proposé surpasse les modèles standards et peut générer des images sans nuages réalistes avec des valeurs élevées de PSNR et SSIM dans diverses conditions atmosphériques, améliorant ainsi les performances dans les tâches en aval telles que la classification de la couverture terrestre.