Cet article présente une approche pour localiser une personne dans un environnement perceptif à partir de sources non visuelles. L'information extraite des capteurs (événements) informe sur la localisation d'une personne de manière incertaine. Ces différentes sources sont combinées en utilisant un réseau dynamique à deux niveaux d'hypothèses de localisation et en adaptant une méthode de propagation d'activation pour prendre en compte la dimension temporelle. Les résultats préliminaires sur un enregistrement réel montrent que la fusion d'information permet d'atteindre une exactitude pouvant atteindre 90%.