Les nuages et la brume occultent souvent les images satellites optiques, entravant une surveillance continue et dense de la surface terrestre. Bien que les méthodes modernes d'apprentissage profond puissent apprendre implicitement à ignorer ces occultations, le retrait explicite des nuages en tant que prétraitement permet l'interprétation manuelle et facilite l'entraînement des modèles lorsque peu d'annotations sont disponibles. Le retrait des nuages est un défi en raison de la grande variété de scénarios d'occultation – allant de scènes partiellement visibles à travers la brume jusqu'à des couvertures nuageuses complètement opaques. De plus, l'intégration d'images reconstruites dans des applications en aval bénéficierait grandement d'une évaluation fiable de la qualité. Dans cet article, nous présentons UnCRtainTS, une méthode de retrait multi-temporel des nuages combinant une nouvelle architecture basée sur l'attention et une formulation pour la prédiction d'incertitude multivariée. Ces deux composantes combinées établissent un nouveau niveau de performance en termes de reconstruction d'images sur deux jeux de données publics de retrait des nuages. En outre, nous montrons comment les incertitudes prédites bien calibrées permettent un contrôle précis de la qualité de la reconstruction.