Nous appliquons des réseaux de neurones récurrents à la tâche de reconnaissance des activités chirurgicales à partir de la cinématique robotique. Les travaux précédents dans ce domaine se concentraient sur la reconnaissance d'activités courtes et de bas niveau, ou gestes, et étaient basés sur des variantes de modèles de Markov cachés et de champs aléatoires conditionnels. En revanche, nous nous intéressons à la reconnaissance à la fois des gestes et des activités plus longues et de haut niveau, ou manœuvres, et nous modélisons l'association entre la cinématique et les gestes/manœuvres avec des réseaux de neurones récurrents. À notre connaissance, nous sommes les premiers à appliquer des réseaux de neurones récurrents à cette tâche. En utilisant un seul modèle et un seul ensemble d'hyperparamètres, nous atteignons les performances actuelles pour la reconnaissance des gestes et améliorons les performances actuelles pour la reconnaissance des manœuvres, en termes tant de précision que de distance d'édition. Le code est disponible à l'adresse https://github.com/rdipietro/miccai-2016-surgical-activity-rec .