La compréhension des comportements de mobilité urbaine reste aujourd'hui pour les villes, les transports publics et les autorités de régulation une question importante et complexe qui lie géographie, urbanisme et sciences sociales. L'avènement de capteurs enregistrant les déplacements humains, de plus en plus performants, issus des cartes de transports, des capteurs routiers et des GPS mais aussi des caméras de surveillance et des réseaux de téléphonie mobile ont conduit à une explosion de la quantité de données sur la mobilité des citadins. La fouille de ces journaux d'activités pour en extraire des comportements type est une tâche difficile en raison du volume des données à traiter et du bruit inhérent à la variabilité des comportements individuels. Dans cette étude, nous proposons une approche robuste qui s'appuie sur les journaux de validations des cartes d'accès dans les transports en commun et qui apprend un ensemble d'activités latentes représentatif des usages du réseau. Nous nous concentrons sur les utilisateurs du métro parisien avec un échantillon de 600000 porteurs de cartes mensuelles ayant réalisé plus de 80 millions de trajets. Nous utilisons une représentation à double échelle temporelle des validations de chaque utilisateur. Nous extrayons de ces profils un dictionnaire d'activités latentes que nous utilisons pour caractériser les comportements individuels mais aussi les fréquentations des stations. L'analyse d'une segmentation des stations montre que les usages dans les transports publics sont liés à des facteurs géographiques et sociaux.