Nous présentons une méthode de référence simple pour la localisation d'actions sur le jeu de données AVA. Le modèle s'appuie sur le cadre de détection de boîtes englobantes Faster R-CNN, adapté pour fonctionner avec des caractéristiques spatio-temporelles pures - dans notre cas, produites exclusivement par un modèle I3D pré-entraîné sur Kinetics. Ce modèle obtient un AP moyen de 21,9 % sur l'ensemble de validation d'AVA v2.1, contre 14,5 % pour le meilleur modèle spatio-temporel RGB utilisé dans l'article original AVA (qui était pré-entraîné sur Kinetics et ImageNet), et contre 11,3 % pour la méthode de référence publiquement disponible utilisant un extracteur de caractéristiques d'image ResNet101, également pré-entraîné sur ImageNet. Notre modèle final atteint un mAP de 22,8 % / 21,9 % sur les ensembles de validation et de test, surpassant ainsi toutes les soumissions au défi AVA lors de la conférence CVPR 2018.