Les méthodes d’apprentissage profond ont été largement utilisées dans la classification des images hyperspectrales et ont atteint des performances de pointe. Toutefois, les méthodes existantes basées sur l’apprentissage profond sont limitées par un champ réceptif restreint, une flexibilité insuffisante et des difficultés de généralisation dans le contexte de la classification des images hyperspectrales. Pour résoudre ces problèmes, nous proposons HSI-BERT, où BERT signifie bidirectional encoder representations from transformers et HSI désigne les images hyperspectrales. Le modèle HSI-BERT dispose d’un champ réceptif global, permettant de capturer les dépendances globales entre les pixels, indépendamment de leur distance spatiale. HSI-BERT est très flexible et permet des régions d’entrée flexibles et dynamiques. En outre, HSI-BERT présente une bonne capacité de généralisation, car le modèle entraîné conjointement peut être appliqué à des régions de formes variées sans nécessiter de réentraînement. HSI-BERT repose principalement sur un mécanisme d’attention auto-attention multi-têtes (MHSA) dans une couche MHSA. Plusieurs types d’attention sont appris par les différentes têtes, et chaque tête de la couche MHSA encode une représentation contextuelle sémantique pour extraire des caractéristiques discriminantes. En fusionnant toutes les caractéristiques encodées par les têtes, les représentations finales intègrent des informations spatiales et spectrales essentielles pour une classification précise au niveau des pixels. Des résultats quantitatifs et qualitatifs montrent que HSI-BERT surpassent tous les modèles basés sur les réseaux de neurones convolutifs (CNN) en termes de précision de classification et de temps de calcul, et atteignent des performances de pointe sur trois jeux de données d’images hyperspectrales largement utilisés.