On considère le problème d'audio "inpainting" en utilisant des algorithmes de seuillage itératif basés sur le principe de "parcimonie sociale" (ou "social sparsity"). Ces seuils permettent de prendre en compte le voisinage de coefficients dans un dictionnaire temps-fréquence. On propose une formulation convexe non contrainte pour le problème d'audio inpainting. On utilise ensuite des opérateurs de cueillage structurés dans les algorithmes itératifs, tels que le group-Lasso fenêtré, ou le seuillage de Wiener empirique persistant. Ces nouveaux opérateurs permettent d'améliorer la qualité de reconstruction par rapport à un simple opérateur de seuillage doux. L'algorithme obtenu est rapide, simple à mettre en oeuvre (car appartenant à la famille des algorithmes de seuillage itératifs) et permet d'améliorer la qualité de reconstruction.