L'intelligence ambiante pose entre autres le problème de la détection des activités humaines, l'enjeu est par exemple la gestion automatique de l'énergie ainsi que l'analyse des interactions entre les usagers partageant le lieu. Pour ca-ractériser les interactions entre individus ou entre un in-dividu et l'infrastructure d'un bâtiment, une tâche de ré-identification des usagers du lieu lors de leur déplacement est nécessaire et l'utilisation de modèles multimodaux per-met clairement de robustifier cette ré-identification. Dans cet article, nous proposons une méthode de fusion audiovi-suelle, introduisant un nouvel indice de confiance de zones de saillance audio-vidéo, pour l'apprentissage d'une signature audiovisuelle d'une personne. Mots Clef Signature audiovisuelle, fusion audio-vidéo, ré-identification de personne. Abstract In intelligent environments, activity detection is a necessary pre-processing step for adaptive energy management and interaction with humans. To characterize the interactions between individuals or between an individual and the infrastructure of a building, a re-identification process is required and using multimodal models improves its robust-ness. In this paper, we propose a method for audiovisual fusion , introducing a novel confidence index of audio-video salience zones, for training an audiovisual signature of a person.