Dans cet article nous proposons une nouvelle méthode de reconstruction en temps réel de signaux bidimensionnels à échantillons manquants. Un modèle autorégressif bidimensionnel est adopté. On considère deux causalités, quart de plan (QP) et demi-plan asymétrique (NSHP : Non Symetric Half Plane). Le critère à optimiser pour estimer les paramètres du modèle est quadratique en l'erreur d'estimation, et défini aux instants d'arrivées des échantillons. Du fait d'observations manquantes, le gradient du critère devient non linéaire en les paramètres. L'optimum est atteint à l'aide d'algorithmes de type LMS adaptés aux signaux bidimensionnels à échantillons manquants. Deux approximations du critère sont proposées. Elles conduisent à deux algorithmes dont la description formelle est fournie et les performances comparées. Les résultats présentés montrent les performances de la reconstruction (pour des signaux bidimensionnels stationnaires et non stationnaires) en fonction du pourcentage d'échantillons manquants ainsi que de la loi de distribution de ces échantillons....