Les approches multi-vues pour le suivi de personnes ont le potentiel de gérer les occultations mieux que les approches mono-vue dans des scènes bondées. Elles reposent souvent sur le paradigme du suivi par détection, qui implique de détecter les personnes en premier lieu, puis de connecter ces détections. Dans cet article, nous soutenons qu'une approche encore plus efficace consiste à prédire le mouvement des personnes au fil du temps et à inférer leur présence dans chaque image individuelle à partir de ces prédictions. Cela permet d'assurer la cohérence tant dans le temps que dans les différentes vues d'un même cadre temporel. Nous validons notre approche sur les jeux de données PETS2009 et WILDTRACK et démontrons qu'elle surpasses les méthodes de pointe actuelles.