Des projections réalisées sur les perspectives démographiques et financières de la dépendance prévoient, en France, une nette augmentation de la population des plus de 80 ans, accompagnée d'une multiplication par 2 du nombre de personnes âgées dépendantes entre 2010 et 2060. Afin de gérer l'augmentation du nombre de personnes âgées dépendantes, les EHPAD (Etablissement d'Hébergement pour Personne Agées Dépendantes) sont appelés à améliorer la prise en charge des résidents et à améliorer les conditions de travail du personnel soignant. C'est dans ce contexte, que nous avons développé un système de supervision permettant de détecter, via un ensemble de capteurs, des évolutions du comportement ou encore, le comportement anormal d'une personne âgée. La détection des comportements anormaux dans le cadre de la supervision est un sujet de recherche qui a été largement étudié dans la littérature ; ce qui n'est tout de même pas le cas de l'analyse des variations des activités de la vie de tous les jours, prenant en compte les spécificités du comportement de la personne au cours du temps. Ainsi, nous avons proposé un modèle de Markov, permettant d'apprendre, avec le moins d'a priori possible, le modèle de comportement habituel au sein de la chambre. Le modèle proposé a été testé sur des données acquises en Living Lab (GIS-Madonah). Nous avons également proposé une nouvelle approche pour calculer la distance entre deux modèles de Markov, afin d'évaluer l'évolution du comportement au cours du temps. Ces méthodes devront permettre, non seulement de déterminer la probabilité du comportement actuel de la personne par rapport à son comportement habituel ; mais également, de détecter des évolutions lentes du comportement de la personne. / Due to demographic changes, it is expected that the number of French having over 80 years will increase drastically and the number of dependent elderly people will grow twice between 2010 and 2060. To manage this increasing number of dependent elderly person, nursing homes are required to improve the care of residents and to improve the working conditions of health workers. In this context, we plan to develop a monitoring system, based on a set of sensors, to detect modifications in the behavior of a person, and unusual behavior. Detection of abnormal activities in smart homes is an important topic of research, unlike the detection of the evolutions of behavior, which take into account the specifics activities of the person in time. Thus, we proposed a Markov model which allow to learn the usual behavior in the room, with a reduced number of a priori. The model is try on data acquired on a Living Lab (GIS Madonah). We proposed a new method to compute the distance between two Markov models, to estimate the evolution of the behavior. These methods allow to compute the probability of the current activities with the usual behavior, and the slow evolutions of the behavior.