Les données de la téléphonie mobile sont une source populaire d’informations de positionnement dans de nombreuses études récentes qui ont grandement amélioré notre compréhension de la mobilité humaine. Ces données consistent en événements de communication horodatés et géoréférencés enregistrés par les opérateurs de réseau, abonné par abonné. Ils permettent un suivi sans précédent des populations de millions d’individus sur de longues périodes couvrant plusieurs mois. Néanmoins, en raison des processus inégaux qui régissent les communications mobiles, l’échantillonnage des emplacements d’utilisateurs fourni par les données de la téléphonie mobile a tendance à être rare et irrégulier dans le temps, ce qui entraîne des lacunes substantielles dans les informations de trajectoire résultantes. Dans cet article, nous illustrons la gravité du problème par le biais d’une étude empirique d’un ensemble de données CDR (Call Detail Record) à grande échelle. Nous proposons ensuite Context-enhanced Trajectory Reconstruction, une nouvelle technique permettant de compléter des trajectoires individuelles basées sur la CDR et reposant sur la factorisation du tenseur en tant que méthode de base. La solution proposée déduit les emplacements manquants avec un déplacement médian dans deux cellules du réseau à partir de la position réelle de l’utilisateur, sur une base horaire et même lorsque le montant de sa mobilité initiale est connu. Notre approche nous permet de revisiter les travaux fondamentaux à la lumière de données complètes sur la mobilité, en révélant les biais potentiels que les trajectoires incomplètes obtenues à partir de la CDR héritée induisent sur des résultats clés concernant les lois de mobilité humaine, l’unicité des trajectoires et la prévisibilité des mouvements.