De nombreuses variantes sur la sélection de variables pour un modèle de régression sous l'approche bayésienne ont été proposées dans la littérature. Dans cette présentation, nous adaptons cette méthode de sélection de variables à un modèle d'état, ce qui revient à ajouter une équation à notre modèle de régression. On applique cette méthode à un problème de reconstruction climatique. En effet, afin de comprendre si le réchauffement climatique actuel est plus important que la variabilité climatique naturelle, il est nécessaire de d'avoir de longues séries climatiques. Seulement, des mesures directes de températures et précipitations manquent, en particulier pour les période les plus anciennes, et il est nécessaires d'utiliser des proxis climatiques afin de reconstruire des chronologies passées. Un proxy bien connu est la croissance des cernes d'arbres. Afin de comprendre les relations existantes entre ce proxy est des variables climatiques on essaye d'expliquer la croissance des cernes d'arbres avec la meilleures combinaison possible de séries de températures et de précipitations.