La reconnaissance d’actions manuelles est un cas particulier de reconnaissance d’actions, aux applications nombreuses dans les interactions homme-robot, la réalité virtuelle ou les systèmes de life-logging. La construction de classifieurs d’actions capables de fonctionner dans de tels domaines hétérogènes constitue un défi majeur. En effet, les différences entre différentes actions au sein d’un même domaine sont très subtiles, tandis que les variations entre domaines (par exemple, réalité virtuelle versus life-logging) peuvent être considérables. Ce travail présente un nouveau modèle de représentation des mouvements manuels basé sur les squelettes, conçu pour relever ce défi. Le cadre proposé est indépendant du domaine d’application ou du point de vue de la caméra. Lorsqu’il est appliqué à un seul domaine (classification intra-domaine), notre approche obtient des performances égales ou supérieures à celles des méthodes de pointe actuelles sur des benchmarks bien établis de reconnaissance d’actions manuelles. Plus important encore, lorsqu’il s’agit de reconnaître des actions manuelles dans des domaines ou des perspectives de caméra pour lesquels notre modèle n’a pas été entraîné (classification inter-domaine), le cadre proposé atteint des performances comparables à celles des méthodes de pointe intra-domaine. Ces expériences démontrent la robustesse et la capacité de généralisation de notre approche.