Les séries temporelles de proportions sont assez communes dans des applications telles que l'écologie, les sciences de l'environnement et la santé publique. Parmi les stratégies pour de telles données, on compte notamment la régression linéaire après transformation logistique. Bien que facile à ajuster, l'approche de la transformation rend les effets des covariables ininterprétables à l'échelle à laquelle ils ont été observés en raison de l'inégalité de Jensen. Une alternative à l'approche de transformation consiste à modéliser directement la réponse à l'aide de la distribution bêta. Dans cet exposé, nous étendons les modèles de régression bêta pour les proportions indépendantes avec un excès de zéros aux données de séries temporelles bornées dans lìntervalle unité et qui peuvent prendre des valeurs nulles. L'estimation se fait dans le cadre de la vraisemblance partielle et est réalisable sur le plan informatique. Nous dérivons la théorie asymptotique de nos estimateurs du maximum de vraisemblance partielle sous des conditions légères de régularité et étudions leur biais et leur variabilité à l'aide d'études de simulation. Nous illustrons l'utilité de notre méthode à l'aide de données réelles.