Ce projet vise à développer un système de reconnaissance des gestes de la main en temps réel en utilisant des signaux électromyographiques (EMG) et des algorithmes d’apprentissage machine. Le système proposé utilise des capteurs MyoArmband pour capturer les signaux EMG des muscles de l’avant-bras de l’utilisateur. Afin d’entraîner et d’évaluer les algorithmes d’apprentissage machine, un ensemble de données de signaux EMG est créé. L’ensemble de données comprend des signaux EMG enregistrés par 10 sujets effectuant six gestes différents de la main. Ces signaux sont divisés en fenêtres plus petites et des caractéristiques sont extraites de chaque fenêtre pour représenter l’activité musculaire . Ces caractéristiques sont utilisées pour former et évaluer divers algorithmes d’apprentissage machine pour la tâche de reconnaissance des gestes de la main. Le projet se concentre sur la sélection des algorithmes d’apprentissage machine et des techniques d’extraction de caractéristiques les plus appropriés qui peuvent fournir une grande exactitude et des performances en temps réel. Pour cela, plusieurs algorithmes populaires d’apprentissage machine, tels que les machines à vecteurs de support (SVM), les plus proches voisins (k-NN) et le réseau neuronal à perceptron multicouche (MLPNN), ont été évalués. Lors de l’évaluation hors ligne, le système proposé a atteint une exactitude de plus de 99 % dans la classification de six gestes de la main différents, ce qui démontre l’efficacité du système. Après l’évaluation du système hors ligne, une simulation en ligne est réalisée pour évaluer les performances du système en temps réel. La simulation consiste à présenter différents gestes de la main au système et à évaluer sa capacité à reconnaître ces gestes en temps réel. Les résultats de la simulation en ligne démontrent la Faisabilité de l’approche proposée pour la reconnaissance des gestes de la main en temps réel. Le système développé peut être utilisé dans diverses applications, notamment  les prothèses de main,l’interaction homme-machine, la technologie d’assistance et la robotique.