Nous proposons une approche de prévision à court terme des flux de voyageurs du réseau ferré d'Île-de-France basée sur les réseaux bayésiens dy- namiques. La structure du modèle repose sur les relations de causalité entre les flux adjacents et permet d'intégrer l'offre de transport. En présence de données manquantes, l'apprentissage est réalisé via l'algorithme espérance-maximisation (EM) structurel. En appliquant notre approche sur une ligne de métro, les résul- tats obtenus sont globalement supérieurs à ceux des autres méthodes testées.