Un grand nombre d'informations qui ont une structure complexe proviennent de diverses sources. Ces informations contiennent des connaissances très utiles pour l'aide à la décision. L'Extraction des Connaissances à partir des Données (ECD), permet d'acquérir des informations pertinentes pour les systèmes interactifs d'aide à la décision (SIAD). Mais, dans plusieurs domaines, les données évoluent d'une manière dynamique et finissent par dépendre de plusieurs dimensions. Les Réseaux Bayésiens dynamiques (RBD) sont des modèles représentant des connaissances incertaines sur des phénomènes complexes de processus dynamiques. Notre objectif revient à fixer les meilleures modèles de connaissances extraites par les RBD et à les utiliser pour la prise de décision dynamique. Ainsi, Nous proposons dans cet article une démarche pour la mise en place d'un processus d'extraction des connaissances à partir des données multidimensionnelles et temporelles.