La modélisation des dynamiques des procédés de transformation dans l'industrie agroalimentaire est un enjeu important pour mieux maîtriser la qualité des produits. L'utilisation de réseaux bayésiens dynamiques est alors une approche candidate pertinente. Malgré la réduction notable du nombre de paramètres, l'information disponible pour réaliser leur apprentissage est lacunaire et incomplète. Les approches classiques d'apprentissage des paramètres atteignent alors leurs limites. Nous proposons, consécutivement à un apprentissage automatique classique des paramètres, d'effectuer de façon interactive et visuelle avec un expert une optimisation a posteriori du contenu des tables de probabilités afin d'améliorer la cohérence du modèle. Nous appliquons nos travaux sur l'affinage de fromages de type camembert.