L'électromyographie de surface (sEMG/EMG) est une technique qui enregistre l'activité électrique des muscles à partir d'une zone cutanée restreinte à l'aide d'électrodes. La reconnaissance de gestes basée sur le sEMG est extrêmement sensible aux variations inter-sessions et inter-sujets. Nous proposons un modèle et une méthode d'adaptation de domaine fondée sur l'apprentissage profond pour approximer le décalage de domaine afin d'améliorer la précision de la reconnaissance. Les analyses réalisées sur des ensembles de données publics sEMG éparse et à haute densité (HD) valident que notre approche surpassent les méthodes les plus avancées actuellement disponibles.