L’analyse de données temporelles est transversale `àde nombreux domaines (e.g. médical, finance, météorlogie, industriel, ). Ces données sont aujourd’hui générées en grandes quantités par de multiples sources pouvant être de natures très hétéogènes. Le but recherché en analysant des données temporelles est de d´ecouvrir un comportement permettant d’établir un modèle (e.g. météorlogique, finance) et d’identifier des comportements anormaux, ou des erreurs dans les données. L’identification d’outliers peut se faire à l’aide d’algorithmes de fouille de donn´ees ou avec des outils de visualisation.