La présente étude vise à apprendre un embedding agnostique de classe, adapté au suivi de plusieurs objets (Multiple Object Tracking, MOT). Nous démontrons que l'apprentissage de descripteurs de caractéristiques locales peut offrir un niveau de généralisation suffisant. La fonction d'embedding proposée atteint des performances équivalentes à celles de ses homologues spécialisés dans la réidentification de personnes dans leur domaine cible, tout en les surpassant dans d'autres contextes. Grâce à son utilisation, nos solutions atteignent des performances de pointe sur plusieurs benchmarks de MOT, incluant le CVPR'19 Tracking Challenge.