Dans cette contribution, nous nous attachons à la description de la locution temporelle tout à l’heure dans une approche séquentielle multimodale, à partir d’un corpus audiovisuel de visites guidées. L’analyse se base sur la recherche d’indicateurs de différentes modalités, organisés en configurations séquentielles multimodales récurrentes, qui contribuent à spécifier la référence de la locution. Nous dégageons trois catégories : annonce, « transiteur » et parenthétique.