Cet article étudie le problème de la prédiction de la distribution sur plusieurs trajectoires futures possibles pour des individus se déplaçant à travers diverses scènes visuelles. Nous apportons deux contributions principales. La première consiste en un nouveau jeu de données, créé à l’aide d’un simulateur 3D réaliste, basé sur des données réelles de trajectoires, puis extrapolé par des annotateurs humains afin d’atteindre différents objectifs latents. Ce jeu de données constitue la première référence quantitative pour l’évaluation des modèles de prédiction de trajectoires multiples futures. La deuxième contribution est un nouveau modèle permettant de générer plusieurs trajectoires futures plausibles, intégrant des innovations dans l’utilisation d’encodages de localisation à plusieurs échelles et de réseaux de neurones récurrents convolutifs sur graphes. Nous désignons ce modèle par Multiverse. Nous démontrons que notre modèle obtient les meilleurs résultats sur notre jeu de données, ainsi que sur le jeu de données réel VIRAT/ActEV (qui ne contient qu’une seule trajectoire future possible).