Dans cet article, nous propose MTS-CGAN, acronyme anglais pour "Multivariate Time Series Conditional Generative Adversarial Network" ou Réseau Antagoniste Génératif Conditionnel pour Séries Temporelles Multivariées en français. MTS-CGAN est un réseau antagoniste génératif conditionnel conçu spécifiquement pour les données de séries temporelles multivariées, doté de réseaux générateur et discriminateur basés sur l'architecture Transformer. Ce modèle utilise un contexte encodé pour conditionner la génération, permettant de produire en une seule passe de séries temporelles complexes et offrant une meilleure performance dans des contextes de distributions mixtes, surpassant ainsi les modèles existants. Nous évaluons MTS-CGAN à l'aide de métriques quantitatives et qualitatives sur différents jeux de données de séries temporelles multivariées. De plus, nous proposons également une adaptation innovante de la distance de Fréchet inception aux séries temporelles pour évaluer la qualité des données générées. Ce travail de recherche démontre le potentiel du MTS-CGAN dans la génération de séries temporelles multivariées.