Pour détecter avec précision et sans a priori des anomalies dans une série temporelle, vaut-il mieux apprendre les détecteurs à partir de la représentation temporelle initiale ou calculer une nouvelle représentation (tabulaire) à l'aide d'une bibliothèque existante de construction automatique de variables? Dans cet article, nous répondons à cette question en menant une étude expérimentale approfondie pour deux détecteurs très populaires (Isolation Forest et Local Outlier Factor). Les résultats obtenus, pour 5 jeux de données différents, montrent que la nouvelle représentation, calculée à l'aide de la bibliothèque tsfresh, permet à Isolation Forest d'améliorer significativement sa performance.