La détection d'anomalies vidéo (VAD) identifie les événements suspects dans les vidéos, ce qui est crucial pour la prévention des crimes et la sécurité nationale. Dans cet article, nous proposons une méthode de VAD simple mais très efficace basée sur des représentations attributaires. La version de base de notre méthode représente chaque objet par sa vitesse et sa posture, et calcule les scores d'anomalie par estimation de densité. Surprenamment, cette représentation simple suffit pour atteindre des performances à l'état de l'art sur ShanghaiTech, le jeu de données VAD le plus couramment utilisé. En combinant nos représentations attributaires avec une représentation profonde préentraînée standard, nous obtenons des performances à l'état de l'art avec un AUROC de $99,1\%, 93,7\%$99,1%,93,7% et $85,9\%$85,9% sur Ped2, Avenue et ShanghaiTech, respectivement.