Este documento presenta una nueva reducción de modelo basada en proyección no lineal utilizando Autoencoders Variacionales (VAEs) convolucionales. Este marco se aplica a flujos transitorios incompresibles. La precisión se obtiene gracias a la expresión de los campos de velocidad y presión en una variedad no lineal que maximiza la verosimilitud sobre datos precomputados en la etapa fuera de línea. Se obtiene un intervalo de confianza para cada instante de tiempo gracias a la definición de los coeficientes dinámicos reducidos como variables aleatorias independientes para las cuales se conoce la probabilidad posterior dada la información fuera de línea. Los parámetros de la variedad no lineal se optimizan como los de las capas del decodificador de un autoencoder. Los parámetros de la probabilidad posterior condicional de los coeficientes reducidos son los de las capas del codificador del mismo autoencoder. La optimización de ambos conjuntos de parámetros del codificador y del decodificador se obtiene gracias a la aplicación de un método bayesiano variacional, lo que lleva a autoencoders variacionales. Este Modelo de Orden Reducido (ROM) no es un modelo de regresión sobre los datos precomputados fuera de línea. La resolución numérica del ROM se basa en el método de proyección de Chorin. Aplicamos esta nueva modelización de orden reducido basada en proyección no lineal (ROM) para un flujo de calle de vórtices de Karman en 2D y un flujo incompresible y no estacionario en 3D en un sistema de inyección aeronáutica.