Les systèmes d’interaction gestuelle en espace public sont souvent évalués à partir de la reconnaissance de gestes image par image. Mais, sur le terrain, l’enjeu perçu par l’utilisateur est différent : ce qui compte n’est pas la justesse de chaque frame, mais la capacité du système à transformer une intention en **événement d’interaction stable**. C’est cet écart, qualifié par les auteurs de *recognition-to-interaction gap*, qu’analyse ce travail déposé sur arXiv.
L’étude s’appuie sur **huit dossiers de réparation technique** issus d’un projet de kiosque interactif en zone touristique. Quatre tâches gestuelles sont couvertes : salut à deux mains, secouement de poing à une main, contrôle de capture à deux mains, et survol de nœuds d’un graphe de connaissances. À partir de ces traces d’ingénierie, les auteurs identifient **20 cas de défaillance** et les regroupent en **six classes de pannes non exclusives**.
Ces classes incluent notamment la dégénérescence des sorties du modèle, les décalages temporels, l’instabilité géométrique liée à l’échelle, les incohérences entre coordonnées et rendu, les défaillances du cycle de vie à l’exécution, ainsi que les problèmes de synchronisation du retour utilisateur et de récupération. L’apport principal n’est donc pas un nouveau modèle de reconnaissance, mais une lecture plus opérationnelle des échecs qui apparaissent une fois le système déployé.
Les auteurs proposent en parallèle une **abstraction d’exécution au niveau événementiel**, située entre le modèle de détection des points de la main et la tâche interactive finale. L’objectif est de mieux confirmer qu’un geste devient réellement une action exploitable par l’interface. Le papier reste volontairement circonscrit : il ne revendique ni amélioration chiffrée de précision, ni évaluation utilisateur à grande échelle, mais apporte une base utile pour concevoir des systèmes gestuels plus robustes en environnement public.