Ce document présente des travaux de recherche réalisés durant la période allant de 2000 à 2005 et portant sur la modélisation de scènes dynamiques à partir de plusieurs caméras. Ce thème constitue un axe de recherche actif du domaine de la vision par ordinateur depuis de nombreuses années. L'objectif général est la capacité à produire une description opératoire du contenu d'une scène à partir de plusieurs vidéos. Au même titre que dans la vision humaine, et selon une théorie computationnelle de celle-ci, cette description a pour objet d'alimenter des processus cognitifs qui mènent de la perception à l'action. Le contenu de cette description peut alors être varié, en fonction de l'action visée. Il peut s'agir d'information sur les formes, comme la géométrie et l'apparence, pour la navigation d'un robot ou pour virtualiser la réalité et en modifier les aspects visuels. La description peut aussi porter sur la sémantique de la scène, par exemple ce qui est en mouvement et de quelle manière, pour en permettre son interprétation.