Dans cet article nous traitons le problème de l'estimation du flot de scène 3D à partir de plusieurs caméras. En particulier, nous considérons le cas où une caméra de profondeur est associée à une ou plusieurs caméras couleur. Il s'agit d'un cas de figure commun avec l'avènement des capteurs hybrides tels que la caméra Kinect. Dans ce cas, les informations géométriques provenant des cartes de profondeur peuvent être combinées aux variations d'intensité dans les images couleurs pour l'estimation d'un champ de déplacement 3D dense et régulier. Nous proposons pour cela un cadre unifié capable de gérer des déplacements arbitrairement grands tout en conservant une précision sous-pixélique. L'estimation est formulée sous la forme d'un problème d'estimation linéaire qui peut être résolu de manière très efficace. La contribution principale vis-à-vis des approches existantes qui estiment le flot de scène vient de l'utilisation de l'information de profondeur qui défini une surface 3D sur laquelle les contraintes photométriques peuvent être intégrées de manière cohérente. Les expéri mentations menées à la fois sur des données de synthèse et des données réelles fournissent des résultats qualitatifs et quantitatifs qui démontrent l'intérêt et la faisabilité de l'approche proposée