Nous considérons le problème de reconnaissance d'objets dans les véhicules autonomes utilisant des capteurs radar automobiles. Contrairement aux capteurs Lidar, les radars sont économiques et robustes dans toutes les conditions météorologiques pour la perception en conduite autonome. Toutefois, les signaux radar souffrent d'une faible résolution angulaire et d'une précision limitée dans la reconnaissance des objets environnants. Afin d'améliorer les performances des radars automobiles, nous exploitons dans ce travail les informations temporelles provenant de cadres successifs d'images radar en vue de dessus centrée sur le véhicule (bird-eye-view). Nous tirons parti de la continuité de l'existence d'un objet ainsi que de ses attributs (taille, orientation, etc.) et proposons une couche relationnelle temporelle pour modéliser explicitement les relations entre objets dans des images radar successives. Nous démontrons, tant en détection d'objets qu'en suivi de plusieurs objets, l'efficacité supérieure de notre méthode par rapport à plusieurs approches de référence.