Cet article présente l'implémentation d'un réseau bayésien dynamique avec variable exogène continue, appliquée à la classification d'évènements discrets irrégulièrement espacés, organisés en séquence. La modélisation des tables de probabilités conditionnelles, qui sont fonction d'une variable exogène codant un vecteur de distances entre évènements, s'appuie sur les mélanges de lois gaussiennes estimés par l'algorithme EM. La classification de points singuliers des rails du métro de Paris est le cadre applicatif de cette étude. La parcimonie de l'approche proposée est également démontrée dès que l'ordre du modèle est supérieur ou égal à deux. Cette implémentation permet, à terme, d'améliorer la décision fournie par un capteur spécifique de défaut de rail.