Nous examinons l'extraction simultanée d'informations de forme et de mouvement, dans le contexte des systèmes multi-caméra calibrés. Nous proposons une nouvelle analyse basée sur l'information de silhouette latente dans les images. De nombreuses méthodes utilisent un modèle explicite de surface pour une telle analyse. Nous montrons qu'il est possible d'extraire une information pertinente sans modèle explicite, en utilisant une méthode EM pour simultanément extraire un ensemble de probabilités sur une grille de voxels représentant la scène et une estimation du champ de déplacements 3D entre deux pas de temps consécutifs. La méthode s'avère être un outil robuste pour des tâches d'inférences structurelles de plus haut niveau, comme l'extraction de parties en mouvement rigide, ou de squelette cinématique. Nous montrons expérimentalement l'utilité et la validité de la méthode.