L'utilisation de séries temporelles d'images astronomiques suscite un intérêt grandissant dans la communauté scientifique. Par ailleurs, avec la massification des données, il est nécessaire de proposer des solutions d'analyse automatique. Dans cet article, nous proposons une nouvelle approche basée sur l'apprentissage profond pour classer différents types d'objets célestes en utilisant les séquences d'images issues des télescopes. Nous appelons notre approche ConvEntion (abréviation de CONVolutional attENTION). Elle est basée sur l'utilisation conjointe de convolutions et de transformeurs. Ceci constitue une innovation dans le domaine du traitement des séries temporelles d'images. Sur un sousensemble de données issues de la base SDDS nous améliorons la précision de 7 % par rapport aux approches de l'état de l'art utilisant des séries temporelles d'images.