Ce document présente la conception et les résultats du défi « PEg TRAnsfert Workflow recognition » (PETRAW), dont l'objectif était de développer des méthodes de reconnaissance des workflows chirurgicaux basées sur une ou plusieurs modalités parmi les données vidéo, cinématiques et de segmentation, afin d'étudier leur valeur ajoutée. Le défi PETRAW a fourni un ensemble de données comprenant 150 séquences de transfert de perles réalisées sur un simulateur virtuel. Cet ensemble de données était composé de vidéos, de données cinématiques, de segmentations sémantiques et d'annotations de workflow qui décrivaient les séquences à trois niveaux différents de granularité : phase, étape et activité. Cinq tâches ont été proposées aux participants : trois d'entre elles portaient sur la reconnaissance de toutes les granularités avec une des modalités disponibles, tandis que les autres abordaient la reconnaissance avec une combinaison de modalités. Sept équipes ont participé à au moins une tâche et quatre d'entre elles à toutes les tâches. Les meilleurs résultats ont été obtenus en utilisant les données vidéo et cinématiques, avec une précision équilibrée dépendante de l'application (AD-Accuracy) comprise entre 93 % et 90 % pour les quatre équipes ayant participé à toutes les tâches. L'amélioration entre les méthodes basées sur la vidéo/cinématique et celles basées sur une seule modalité était significative pour toutes les équipes. Cependant, la différence dans le temps d'exécution des tests entre les méthodes basées sur la vidéo/cinématique et celles uniquement cinématiques doit être prise en compte. Est-il pertinent de consacrer 20 à 200 fois plus de temps de calcul pour une amélioration inférieure à 3 % ? L'ensemble de données PETRAW est disponible au public sur www.synapse.org/PETRAW pour encourager des recherches ultérieures en reconnaissance des workflows chirurgicaux.