Le suivi multi-objets à plusieurs caméras (MC-MOT) exploite les informations provenant de plusieurs vues afin de mieux gérer les problèmes d’occlusion et les scènes surchargées. Récemment, l’utilisation de méthodes basées sur les graphes pour résoudre les problèmes de suivi est devenue très populaire. Toutefois, de nombreuses méthodes actuelles basées sur les graphes n’exploitent pas efficacement les informations relatives à la cohérence spatiale et temporelle. Elles se basent souvent sur des traqueurs monocaméra comme entrée, qui sont sujets à des erreurs de fragmentation et de commutation d’identité (ID switch). Dans ce travail, nous proposons un nouveau modèle de graphe réconfigurable qui associe d’abord tous les objets détectés entre les caméras de manière spatiale, avant de reconfigurer ce graphe en un graphe temporel pour l’association temporelle. Cette approche en deux étapes permet d’extraire des caractéristiques robustes et sensibles à la fois à la spatialité et au temps, tout en atténuant le problème des trajectoires fragmentées. En outre, notre modèle est conçu pour un suivi en ligne, ce qui le rend adapté aux applications réelles. Les résultats expérimentaux montrent que le modèle de graphe proposé est capable d’extraire des caractéristiques plus discriminantes pour le suivi d’objets, et que notre approche atteint des performances de pointe sur plusieurs jeux de données publics.