Ce travail présente une approche pour la reconnaissance des caractères manuscrits qui a l'avantage de surmonter les limitations des modèles de Markov Cachés (HMMs). L'idée principale consiste à construire des modèles 2D en couplant dans un réseau bayésien dynamique deux réseaux de type HMM. Le premier modèle HMM est obtenu à partir d'observations de type colonnes de pixels (HMMvertical), le second à partir d'observations de type lignes (HMM-horizontal). L'un des avantages de ces modèles est de nous permettre d'obtenir une bonne modélisation des images des caractères manuscrits, due aux regroupement des informations concernant les lignes et les colonnes. Les résultats expérimentaux, obtenus sur la base de chiffres MNIST montrent que l'approche par réseaux bayésiens est très prometteuse dans le domaine de la reconnaissance de l'écrit.