Le problème traité dans cet article concerne le suivi d'obstacles dans le cadre de l'aide à la conduite automobile, et plus particulièrement l'étape d'association. Cette étape consiste à mettre en relation des mesures sur des objets détectées à un instant donné, avec des pistes correspondant aux trajectoires suivies à des instants antérieurs. Généralement les mesures sur ces objets sont issues de plusieurs capteurs, et sont entachées d'erreurs. Une étape de fusion multi-capteurs permet alors d'obtenir un consensus de meilleure qualité. Introduites par Dempster et Shafer, les fonctions de croyance constituent un cadre bien adapté pour la représentation et la manipulation d'informations imparfaites. Ainsi, celles-ci ont servies de base à l'implémentation d'un algorithme d'association introduit par Rombaut puis développé par Gruyer. Dans cet article, une modélisation de ce problème, dans le cadre du modèle des croyances transférables, est introduite. Elle diffère des approches précédentes notamment sur le choix de la méthode de combinaison, et sur la construction de la décision. Cette approche est validée par des tests sur des données réelles.