Il y a de plus en plus des applications scientifiques avec de très grandes bases de données distribuées où des nouvelles données sont ajoutées à la base de données en permanence. Pour offrir une bonne performance à la plupart de ces applications qui ont normalement des schémas d'accès complexes, on a besoin de développer des méthodes efficaces pour le partitionnement de données basé sur le workload. Toutefois, les approches existant basées sur le workload, qui sont exécutées d'une manière statique, ne peuvent pas être appliquée aux bases de données très volumineuses et dynamiques. Dans cet article, nous proposons DynPart, un algorithme dynamique de partitionnement pour les bases de données en croissance permanente. DynPart s'adapte efficacement à l'arrivée de nouvelles données en prenant en compte l'affinité de ces données avec les requêtes et les fragments. Contrairement aux approches antérieures, notre approche offre un temps d'exécution constant, peu importe la taille de la base de données, tout en obtenant une très bonne efficacité de partitionnement. Nous avons validé notre solution par l'expérimentation sur des données réelles; les résultats montrent sa bonne performance.