La compréhension d'une vidéo s'appuie sur l'étude des interactions entre objets, lesquelles peuvent être représentées à l'aide de graphes de scène. Les occlusions entraînent toutefois des pertes d'information, rendant cruciale l'optimisation du suivi pour une représentation complète. L'approche multicaméras représente une piste prometteuse en permettant de combiner plusieurs points de vue et en reliant les observations d'un même objet. Ainsi, nous présentons Neo4MOT, une méthode de suivi multi-objets multi-caméras (MCMOT) fondée sur un modèle de données de graphe temporel multicouche structurant les trajectoires, un réseau CNN pour l'extraction de caractéristiques visuelles, et un algorithme de graphe pour leur agrégation et l'association des trajectoires. La démonstration illustre son exécution sur les jeux de données CAMPUS, EPFL et PETS09, en comparant différents algorithmes de suivi (SORT, OC-SORT, Byte- Track) tout en permettant la visualisation des trajectoires avec Neo4j.