La dynamique des squelettes humains transmet des informations significatives pour la reconnaissance des actions humaines. Les approches conventionnelles de modélisation des squelettes s'appuient généralement sur des composants prédéfinis ou des règles de parcours, ce qui limite leur pouvoir d'expression et rend difficile leur généralisation. Dans ce travail, nous proposons un nouveau modèle de squelettes dynamiques appelé Réseaux de convolution de graphes spatio-temporels (ST-GCN), qui dépasse les limites des méthodes précédentes en apprenant automatiquement à la fois les motifs spatiaux et temporels à partir des données. Cette formulation permet non seulement une capacité d'expression accrue, mais aussi une meilleure capacité de généralisation. Sur deux grands jeux de données, Kinetics et NTU-RGBD, elle obtient des améliorations substantielles par rapport aux méthodes courantes.