L'observation par satellites des précipitations grâce aux radiomètres micro-ondes (MW) constitue l'une des bases de l'étude du climat. Cependant, le remplissage partiel du champ de vision des radiomètres conduit à des sous-estimations des taux de pluies retrouvés (beam-filling effect, BFE). A partir de simulations (nuages et rayonnement), la relation BFE-couverture nuageuse fractionnaire sous-pixel (CF) est étudiée. Les résultats montrent une dépendance avec le type de nuage et un maximum pour une faible couverture. CF étant le principal facteur à prendre en compte pour une correction des estimations par MW, un couplage température de brillance micro-onde-CF en entrée d'un algorithme par réseaux de neurones est effectué. Pour tester cette approche, des données satellites MW, radar et IR sont utilisées, puis deux couvertures sous-pixel (dérivées des mesures IR et radar) sont combinées aux TB. Les résultats sont encourageants et montrent l'avantage d'une synergie entre différents capteurs. Dans l'optique d'une classification intégrée aux restitutions, une méthode a été développée à méso-échelle. La classification est obtenue à partir de données IR et ne nécessite pas de seuil ciel clair / ciel nuageux.