We present a novel space-time patch-based method for image sequence restoration. We propose an adaptive statistical estimation framework based on the local analysis of the bias-variance trade-off. At each pixel, the space-time neighborhood is adapted to improve the performance of the proposed patch-based estimator. The proposed method is unsupervised and requires no motion estimation. Nevertheless, it can also be combined with motion estimation to cope with very large displacements due to camera motion. Experiments show that this method is able to drastically improve the quality of highly corrupted image sequences. Quantitative evaluations on standard artificially noise-corrupted image sequences demonstrate that our method outperforms other recent competitive methods. We also report convincing results on real noisy image sequences. \\ Nous présentons une nouvelle méthode pour la restauration de séquences d'images exploitant des ``patches''. Nous proposons une approche d'estimation adaptative s'appuyant sur l'analyse locale du compromis biais-variance. Pour chaque pixel, le voisinage spatio-temporel considéré est adapté afin d'améliorer les performances de l'estimateur proposé. Cette méthode est non-supervisée et ne requiert pas d'estimation du mouvement. Cependant, elle peut aussi être combinée avec une estimation du mouvement afin de faire face, par exemple, aux grands déplacements dus aux mouvements de la caméra. Les expériences montrent que cette méthode est capable d'améliorer significativement la qualité de séquences d'image fortement bruitées. Des évaluations quantitatives sur des séquences artificiellement bruitées selon un protocole standard démontrent que notre méthode surpasse d'autres méthodes récentes. Nous apportons également des résultats convaincants sur des séquences d'images réelles.