La prédiction de la mobilité humaine à travers plusieurs villes soulève des défis importants en raison des dynamiques spatio-temporelles complexes et diverses inhérentes aux différents environnements urbains. Dans cette étude, nous proposons une approche robuste pour prédire les schémas de mobilité humaine, nommée ST-MoE-BERT. Contrairement aux méthodes existantes, notre approche reformule la tâche de prédiction comme un problème de classification spatio-temporelle. Notre méthode intègre l'architecture Mixture-of-Experts au modèle BERT afin de capturer les dynamiques complexes de mobilité et d’effectuer la tâche de prédiction descendante de mobilité humaine. En outre, l’apprentissage transféré est intégré pour surmonter le problème de rareté des données dans les prédictions trans-villes. Nous démontrons l’efficacité du modèle proposé sur les métriques GEO-BLEU et DTW, en le comparant à plusieurs méthodes de pointe. Notamment, ST-MoE-BERT atteint une amélioration moyenne de 8,29 %.