L'analyse des données dynamique est difficile. En effet, la structure de telles données évolue dans le temps, potentiellement à une vitesse très rapide. De plus, les objets dans ces ensembles de données sont souvent complexes. Dans cet article, notre motivation pratique est d'analyser l'évolution des profils en ligne d'utilisateurs, c'est-à-dire de suivre la localisation géographique des utilisateurs ainsi que leurs traces de navigation en ligne afin de détecter des changements dans leurs habitudes et leurs intérêts. Nous proposons un nouveau cadre dans lequel nous créons d'abord, pour chaque utilisateur, des signaux de l'évolution de ses intérêts et des localisations physiques enregistrées au cours de sa navigation. Ensuite, nous détectons automatiquement les changements d'intérêt ou de lieu grâce à un nouvel algorithme de détection de sauts dans les signaux.