L’estimation de la posture 3D multiple chez l’humain à partir de plusieurs vues caméra constitue une tâche difficile dans des environnements non contraints. Chaque individu doit être associé entre les différentes vues, puis sa posture corporelle doit être estimée. En outre, la posture du corps de chaque individu évolue de manière cohérente dans le temps. Pour relever ces défis, nous proposons un modèle de Structures Picturales 3D temporellement cohérentes (3DPS) pour l’estimation de la posture multiple chez l’humain à partir de plusieurs vues caméra. Notre modèle s’appuie sur les Structures Picturales 3D en introduisant la notion de cohérence temporelle entre les postures corporelles estimées. Cette propriété est obtenue grâce à une traçabilité multi-vues des individus. Identifier chaque individu avant l’inférence réduit significativement la taille de l’espace d’état et améliore également les performances. Pour évaluer notre méthode, nous utilisons deux jeux de données exigeants pour l’estimation de plusieurs personnes dans des environnements non contraints. Nous comparons notre approche aux méthodes de pointe et obtenons des résultats supérieurs.