La super-résolution vidéo, dont l’objectif est de produire une vidéo en haute résolution à partir de sa version en basse résolution correspondante, attire actuellement un intérêt croissant. Dans ce travail, nous proposons une nouvelle méthode permettant d’intégrer efficacement les informations temporelles de manière hiérarchique. La séquence d’entrée est divisée en plusieurs groupes, chacun correspondant à un débit d’images particulier. Ces groupes apportent des informations complémentaires afin de restaurer les détails manquants dans le cadre de référence, qui sont ensuite intégrés grâce à un module d’attention et un module profond de fusion intra-groupe. En outre, une méthode d’alignement spatial rapide est proposée pour traiter les vidéos présentant de grands mouvements. Des résultats étendus démontrent la capacité du modèle proposé à gérer des vidéos présentant divers types de mouvement. Celui-ci atteint des performances avantageuses par rapport aux méthodes de pointe sur plusieurs jeux de données standard.