Cet article explore les moyens de quantifier l'incertitude associée à l'utilisation croissante des véhicules électriques (VE) dans la gestion des réseaux électriques. En mettant l'accent sur les solutions de prévision de la charge, l'étude étend un premier benchmark effectué sur la prévision de la charge à l'horizon J+1 pour inclure des algorithmes de prévision probabilistes. Deux approches sont envisagées : une approche directe qui fournit des prévisions de quantiles à l'aide de modèles GAMlss, et une approche bottom-up qui prédit les sessions de charge individuelles avant de reconstruire la courbe de charge globale et de calculer les quantiles empiriques. Les méthodes proposées sont évaluées à l'aide de mesures telles que Pinball Loss et l'erreur quadratique, démontrant des performances comparables entre l'approche directe et l'approche ascendante. Les résultats, basés sur des données réelles de sessions de charge à Palo Alto, suggèrent les avantages potentiels de l'approche ascendante pour les quantiles élevés.