Nous nous plaçons dans un contexte où de multiples caméras filment une scène. Nous disposons, pour chaque vue, d'images des probabilités d'appartenance à la silhouette d'objets de la scène, obtenues par un procédé de soustraction de fond. Dans cet article, nous explorons ce qui peut être déduit de cette information silhouette multi-vue. Dans ce but, nous proposons une nouvelle méthode pour fusionner de telles informations. Notre principale contribution est l'introduction du concept de grille d'occupation, popularisée chez les roboticiens, dans un contexte multi-caméras. L'idée centrale est de considérer que chaque pixel est un capteur apportant de l'information sur la scène observée, et de le modéliser statistiquement comme tel. Les observations rapportées par les pixels de toutes les caméras peuvent alors être conjointement utilisées pour déduire où la matière se trouve dans la scène, et avec quelle probabilité. Comme nos résultats l'illustrent, ce modèle simple présente de nombreux avantages. La plupart des sources d'incertitude peuvent être prises en compte explicitement, et aucune décision prématurée sur l'état des pixels, et leur appartenance à une silhouette, n'est nécessaire. Le modèle permet de s'affranchir des contraintes de visibilité communes aux méthodes classiques de reconstruction d'enveloppes visuelles.