Face aux enjeux de santé liés au vieillissement de la population, diverses technologies d’assistance au quotidien dans l’environnement (ambient assisted living) sont actuellement développées. Afin de réduire les préoccupations liées à la vie privée liées au traitement des données basé sur le cloud, les approches récentes se tournent vers le traitement local des données sur des dispositifs edge. Malgré leurs avantages perçus, les ressources computationnelles limitées de ces dispositifs edge posent un défi majeur en matière de performance en temps réel, qui constitue souvent une exigence fondamentale. Toutefois, les méthodes récentes basées sur la vision par ordinateur pour la reconnaissance des activités de la vie quotidienne chez les personnes âgées présentent une complexité computationnelle croissante lorsqu’il s’agit de capturer le contexte temporel multi-échelle essentiel à une reconnaissance précise des activités. Dans ce contexte, nous proposons HT-ConvNet (Hierarchical Temporal Convolution Network), une architecture permettant de capturer efficacement les informations temporelles multi-échelles sans augmenter la complexité computationnelle. HT-ConvNet utilise des champs réceptifs croissants de manière exponentielle à travers les couches de convolution successives, ce qui permet une extraction hiérarchique efficace des caractéristiques temporelles. En outre, HT-ConvNet intègre un mécanisme d’affectation de poids adaptatif afin de mettre en évidence les caractéristiques les plus pertinentes. Les résultats expérimentaux démontrent que les mécanismes de extraction de caractéristiques temporelles multi-échelles et de fusion pondérée des caractéristiques surpassent les méthodes existantes en termes d’exactitude, sans toutefois augmenter la complexité du modèle. Le code source est disponible publiquement à l’adresse suivante : https://github.com/Gbouna/HT-ConvNet.