La détection de mouvement est une tâche fondamentale mais complexe pour la conduite autonome. En particulier dans des scènes comme les autoroutes, les objets éloignés doivent faire l'objet d'une attention particulière pour améliorer les décisions de contrôle. Nous avons formé un modèle de réseau neuronal pour classer l'état de mouvement en utilisant les informations du champ de flux optique comme entrée, en visant spécifiquement les véhicules lointains. Les expériences ont abouti à une haute précision, montrant que notre approche est viable et prometteuse. Le modèle formé atteint également une performance acceptable pour les véhicules proches. Notre travail a été mis en œuvre dans PyTorch. Des outils ouverts tels que nuScenes, FastFlowNet et RAFT ont été utilisés. Des vidéos de visualisation sont disponibles à l'adresse suivante : https://www.youtube.com/playlist?list=PLVVrWgq4OrlBnRebmkGZO1iDHEksMHKGk.