Source : source
Une webcam, un modèle d’intelligence artificielle et des gestes captés à l’écran : c’est la base du projet présenté par Harshith Nelabhotla, élève de la Strongsville Middle School, dans l’Ohio. Son système cherche à reconnaître des mots en American Sign Language (ASL) pendant qu’ils sont signés, afin de les rendre lisibles par des personnes qui ne maîtrisent pas cette langue.
Le projet, baptisé Real-Time ASL Word Recognition System, a déjà attiré l’attention de plusieurs jurys scientifiques. Il a notamment reçu le titre de « 2026 Ohio State Merit Winner » lors du 3M Young Scientist Challenge, d’après Young Scientist Lab. Harshith Nelabhotla a également remporté la catégorie des sciences physiques à la Northeastern Ohio Science and Engineering Fair 2026, où il représentait son établissement.
Une reconnaissance fondée sur l’image et le mouvement
Le fonctionnement décrit repose sur une analyse vidéo effectuée en direct. La caméra observe les mains, le logiciel identifie les gestes et le modèle tente ensuite de les associer à un mot appris. Cette approche se distingue d’un simple lexique illustré : elle prend en compte une séquence de mouvements plutôt qu’une image fixe.
Le prototype se concentre toutefois sur des mots en ASL, et non sur la traduction de phrases entières. Cette limite est importante, car les langues signées possèdent leur propre grammaire, leurs variations et une forte dimension spatiale. Une démonstration convaincante sur quelques termes ne suffit donc pas encore à produire un interprète automatique complet.
Un outil d’accessibilité, mais pas un remplaçant humain
Ce type de technologie pourrait faciliter certains échanges simples dans une salle de classe, un accueil ou un service public. En France, des initiatives comme HearMyHands, SIGNON ou l’assistant IRIS explorent des pistes comparables autour de la langue des signes française, avec des objectifs allant du texte à la voix ou à l’avatar animé.
Les obstacles restent nombreux : il faut disposer de données suffisamment variées, tenir compte des pratiques des communautés sourdes et éviter de confondre ASL et LSF. La qualité d’une telle IA dépend aussi de sa capacité à fonctionner avec des éclairages, des cadrages et des façons de signer différents.
Le projet de Harshith Nelabhotla ne prétend donc pas résoudre à lui seul la traduction des langues signées. Il illustre néanmoins la manière dont un prototype scolaire peut ouvrir une réflexion concrète sur l’accessibilité numérique et les usages responsables de la vision par ordinateur.
