Cet article présente une méthode pour la fusion d'images échographiques avec des données 3D de capteurs électromagnétiques, afin de permettre un suivi complet de la langue durant la production de la parole. Les données électromagnétiques sont superposées aux échographies après un calibrage spatial et un recalage temporel. Après une courte étude préalable sur la validité d'acquisition des données électromagnétiques, des résultats de cette fusion dans des conditions expérimentales sont présentés sur plusieurs sons.