Résumé
L’annotation manuelle des gestes co-verbaux, bien qu’essentielle à la recherche en gestualité, demeure une tâche chronophage et difficile à standardiser. De plus, la constitution de corpus enrichis de grande ampleur s’avère difficilement réalisable, ce qui rend le développement d’outils capables d’assister efficacement l’annotation particulièrement complexe lorsqu’il faut s’appuyer sur une quantité limitée de données d’apprentissage. Pour répondre à ce défi, nous présentons COSMOS, un outil semi-automatique conçu pour assister les annotateurs en fournissant une segmentation fiable des gestes à partir de données expertes. Notre démarche repose sur la réannotation rigoureuse d’un sous-ensemble du corpus BEAT (que nous avons nommé reBEAT-14 ; corpus initial de Liu et al., 2022), suivie du développement d’un modèle encodeur–decodeur exploitant des caractéristiques issues de la motion capture. Malgré une quantité restreinte de données d’entraînement, COSMOS atteint de bonnes performances de détection et réduit significativement la charge de travail des annotateurs, tout en garantissant une qualité suffisante pour les analyses multimodales.