La forte croissance du trafic aérien dans l'espace européen (5% par an) indique que le contrôle aérien à l'avenir devra faire face à un nombre d'avions de plus en plus important. La prévision de l'incertitude sur les trajectoires des avions s'impose alors comme une nécessité opérationnelle. Cet article vise un double objectif : (i) A partir des données réelles du trafic aérien, nous montrons que les méthodes d'apprentissage automatique CART et les forêts aléatoires permettent de réaliser les prévisions efficaces des instants de passage des avions en des points de leur trajectoire. Nous quantifions le pouvoir prédictif du modèle construit par la méthode CART et de celui des forêts aléatoires. Ces modèles sont évalués sur les données test. (ii) Nous montrons que sous certaines conditions, le modèle des forêts aléatoires présente un risque de surapprentissage.