Nous proposons un nouveau modèle d’apprentissage profond nommé ACLNet pour la segmentation des nuages à partir d’images au sol. ACLNet exploite à la fois un réseau de neurones profond et un algorithme d’apprentissage automatique (ML) afin d’extraire des caractéristiques complémentaires. Plus précisément, il utilise EfficientNet-B0 comme architecture principale, le « spatial pyramid pooling à trous » (ASPP) pour apprendre à plusieurs champs réceptifs, et un « module d’attention globale » (GAM) pour extraire des détails fins à partir de l’image. ACLNet utilise également un algorithme de clustering k-means afin d’extraire avec plus de précision les contours des nuages. Ce modèle s’avère efficace aussi bien sur des images prises en journée qu’en nuit. Il présente un taux d’erreur plus faible, un rappel plus élevé et un score F1 supérieur à ceux des modèles d’état de l’art pour la segmentation des nuages. Le code source d’ACLNet est disponible à l’adresse suivante : https://github.com/ckmvigil/ACLNet.