La représentation de connaissances incertaines est un problème important dans le domaine de l'intelligence artificielle. Les réseaux bayésiens proposent une solution intéressante pour de nombreuses raisons théoriques et pratiques mais ont le désavantage d'être difficiles à créer autant qu'à maintenir. Dans cet article, nous comparons trois formalismes qui tentent de répondre à ces problèmes en enrichissant les réseaux bayésiens avec des notions issues des paradigmes orientés objets et de la logique du premier ordre. Nous verrons que ces propositions fournissent de nouveaux outils de modélisation des réseaux bayésiens, mais posent de nouveaux problèmes propres aux réseaux de grande taille.