La vitesse de prise de données lente de l’imagerie par résonance magnétique (IRM) a conduit au développement de deux méthodes complémentaires : l’acquisition simultanée de plusieurs vues de l’anatomie (imagerie parallèle) et l’acquisition de moins d’échantillons que nécessaire pour les méthodes traditionnelles de traitement du signal (détection comprimée). Bien que la combinaison de ces deux approches puisse permettre des temps de balayage considérablement réduits, la reconstruction à partir de données multi-boucles sous-échantillonnées reste un problème non résolu. Dans cet article, nous proposons une nouvelle approche à ce problème, qui étend les méthodes variationnelles précédemment proposées en apprenant de manière entièrement end-to-end. Notre méthode atteint de nouveaux résultats d’état de l’art sur le jeu de données fastMRI pour les IRM du cerveau et du genou.