L'agrégation multivue promet de surmonter les défis d'occlusion et de détection manquée dans la détection et le suivi d'objets multiples. Les approches récentes en détection multivue et en détection d'objets 3D ont réalisé une amélioration considérable des performances en projetant toutes les vues sur le plan du sol et en effectuant la détection dans la vue aérienne (Bird's Eye View, BEV). Dans cet article, nous examinons si le suivi dans la BEV peut également apporter la prochaine percée en termes de performance dans le suivi multi-cibles multi-caméras (Multi-Target Multi-Camera, MTMC). La plupart des approches actuelles en suivi multivue effectuent la tâche de détection et de suivi dans chaque vue et utilisent des méthodes basées sur les graphes pour réaliser l'association des piétons entre chaque vue. Cette association spatiale est déjà résolue par la détection de chaque piéton une seule fois dans la BEV, ne laissant que le problème de l'association temporelle. Pour l'association temporelle, nous montrons comment apprendre des caractéristiques robustes de Ré-Identification (re-ID) pour chaque détection. Les résultats montrent que l'agrégation précoce dans la BEV atteint une haute précision tant pour la détection que pour le suivi. EarlyBird dépasse les méthodes de pointe actuelles et améliore l'état de l'art sur Wildtrack de +4,6 MOTA et +5,6 IDF1.