Imaginez une formation en réalité virtuelle où l’on n’appuie plus sur des boutons flottants pour agir. On montre, on pince, on tourne la main, on reproduit un geste métier. L’expérience devient plus naturelle, presque évidente. C’est exactement le type de promesse que relance l’actualité autour de Prehension AI, une startup présentée par Skarredghost après une prise en main à AWE US 2026.

Le sujet peut sembler très technique au départ : un SDK Unity pour détecter des gestes de la main dans des applications MR/VR. Mais derrière ces mots se cache un enjeu simple pour les entreprises : comment rendre les expériences immersives plus intuitives, plus humaines, et moins dépendantes de manettes ou de menus ?

Dans l’article original publié le 10 juillet 2026, Skarredghost raconte avoir testé rapidement Prehension, un outil conçu pour aider les développeurs à intégrer des gestes animés dans leurs jeux et applications VR/MR. Le point intéressant n’est pas seulement la prouesse technique. C’est le gain de temps potentiel pour créer des démonstrations, des formations ou des expériences interactives où le geste devient une vraie langue d’action.

Pourquoi reconnaître un geste est plus difficile qu’il n’y paraît

Détecter une main fermée en poing, c’est déjà utile. Mais ce n’est pas la même chose que reconnaître un geste animé. Un geste animé, c’est une séquence dans le temps : la main part d’une position, les doigts bougent, le poignet tourne, puis le mouvement se termine. C’est un peu comme reconnaître une signature. On ne regarde pas seulement la forme finale, on observe aussi le mouvement qui y mène.

Prehension AI se concentre justement sur ces gestes animés, pas uniquement sur des poses statiques. L’exemple cité par Skarredghost est volontairement parlant : un geste de main “très italien”, avec un mouvement caractéristique. Cela paraît amusant, mais le problème est très sérieux. Deux personnes ne feront jamais exactement le même geste. L’une ira vite, l’autre lentement. L’une ouvrira davantage les doigts, l’autre bougera plus le poignet.

Pour une application immersive, cette variabilité est un vrai casse-tête. Si le système est trop strict, il ne reconnaît pas le geste. S’il est trop permissif, il déclenche une action au mauvais moment. Dans un jeu, c’est agaçant. Dans une formation industrielle ou médicale, cela peut casser la crédibilité de l’exercice.

C’est là que l’apprentissage automatique entre en scène. L’idée est de fournir au système plusieurs exemples d’un même geste, afin qu’il apprenne à repérer le “motif” commun malgré les différences entre utilisateurs. Pour un public non technique, on peut comparer cela à un formateur qui observe plusieurs personnes effectuer le même geste, puis comprend ce qui est essentiel et ce qui varie naturellement.

Ce que Prehension AI apporte concrètement aux développeurs

Prehension propose un SDK Unity. Unity est l’un des moteurs les plus utilisés pour créer des applications VR, MR et jeux interactifs. Un SDK, pour faire simple, est une boîte à outils prête à intégrer dans un projet. Ici, cette boîte à outils sert à enregistrer, entraîner et détecter des gestes de la main.

Lors de la démonstration à AWE US, Alex de Prehension a montré à Skarredghost le processus d’enregistrement d’un nouveau geste. Le développeur ouvre une scène Unity fournie par le plugin, porte un casque Meta Quest avec Link, puis lance le mode Play. Les mains sont détectées par le runtime du Quest + Link. Ensuite, il choisit le geste à enregistrer, associé à un nom, appuie sur “record”, puis effectue le mouvement avec sa main.

Le geste peut être répété plusieurs fois pour fournir davantage d’échantillons. Et c’est même recommandé. Idéalement, plusieurs personnes doivent réaliser le geste afin d’enrichir les données d’entraînement. Plus le système voit de variations, plus il a de chances de reconnaître correctement le geste chez un utilisateur qui ne l’a jamais testé auparavant.

Après l’enregistrement des échantillons, le développeur arrête le Play Mode et clique sur un bouton de l’éditeur pour lancer l’entraînement du modèle de machine learning. Point important : cet entraînement se fait dans le cloud. Une fois prêt, le modèle est téléchargé dans le projet Unity, ce qui permet ensuite de fonctionner sans connexion Internet.

Le temps observé à AWE US est parlant : avec trois gestes détectés et environ 5 à 6 échantillons par geste, l’entraînement a pris autour d’une minute. Ce n’est pas une garantie universelle pour tous les projets, mais cela donne un ordre d’idée intéressant pour des prototypes ou des démonstrations rapides.

Une reconnaissance plus intelligente, pas seulement plus rapide

L’un des détails les plus importants de la prise en main concerne les faux positifs. Le système ne force pas la reconnaissance. Si trois gestes ont été enregistrés et que l’utilisateur fait un mouvement qui ne ressemble à aucun des trois, le classificateur répond qu’aucun geste n’a été détecté. Il ne choisit pas arbitrairement la réponse “la moins mauvaise”.

Pour les entreprises, ce point compte beaucoup. Dans une expérience de formation, on veut éviter que le système valide une action incorrecte. C’est la différence entre un outil gadget et un outil pédagogique. Un bon simulateur ne doit pas seulement réagir, il doit réagir au bon moment.

Skarredghost a testé une scène simple où un cube lançait différentes animations selon les mouvements de sa main. Une fois la logique comprise, il pouvait déclencher l’animation souhaitée par le geste correspondant. Plus intéressant encore, le système ne fonctionnait pas uniquement avec le geste pour lequel il avait ajouté son propre échantillon. Il reconnaissait aussi les autres gestes déjà enregistrés par Prehension, malgré sa manière personnelle de bouger.

Cela suggère une bonne capacité de généralisation. En clair, le modèle ne mémorise pas seulement un geste précis comme une vidéo, il apprend une structure de mouvement. C’est ce qui rend ce type d’outil prometteur pour des expériences destinées à des publics variés.

Les limites à surveiller avant une adoption large

L’outil reste en private beta. Prehension AI invite les personnes intéressées à contacter l’entreprise pour tester le SDK et lancer une collaboration. Lors de sa disponibilité publique, le modèle économique annoncé reposera sur un abonnement mensuel.

Deux questions restent donc ouvertes. La première concerne le prix. Skarredghost le souligne clairement : si le tarif est trop élevé, les développeurs indépendants pourraient ne pas pouvoir se l’offrir. Or ce sont souvent ces profils qui explorent rapidement de nouveaux usages et créent les premières expériences originales.

La seconde question concerne la viabilité de la startup. Le marché VR/MR traverse régulièrement des cycles d’enthousiasme et de prudence. Pour une entreprise qui envisage d’intégrer un SDK tiers dans un projet stratégique, il faut donc poser les bonnes questions : support, mises à jour, conditions d’usage, export des modèles, dépendance au cloud pour l’entraînement.

Il faut aussi noter que certains éléments paraissent encore “beta”, selon la prise en main. La scène d’enregistrement est décrite comme graphiquement assez brute. Mais si le cœur du produit fonctionne, ce point est secondaire pour un outil destiné d’abord aux développeurs.

Cas d’usage concrets pour les métiers

Formation industrielle

Dans une formation à la maintenance, les gestes sont souvent aussi importants que les connaissances théoriques. Serrer, orienter, saisir, vérifier, enclencher : chaque action a un rythme et une logique. Un système comme Prehension pourrait permettre de reconnaître des gestes spécifiques dans un simulateur VR, par exemple pour vérifier qu’un apprenant effectue correctement une séquence de sécurité.

On peut imaginer un module où l’apprenant doit manipuler une pièce virtuelle sans manette, simplement avec ses mains. Si le geste est correct, l’étape suivante se déclenche. S’il est incomplet ou trop différent, le système ne valide pas. Cela rapproche la formation immersive du terrain réel, sans exposer l’apprenant au risque.

Santé et gestes de soin

Dans le domaine de la santé, certains apprentissages reposent sur la précision gestuelle. Préparer un geste, orienter la main, respecter un ordre, éviter un mouvement brusque. Une reconnaissance de gestes animés pourrait enrichir des simulations de soin, non pas pour remplacer l’encadrement humain, mais pour offrir un entraînement répétable.

La méthode pour évaluer l’intérêt serait simple : définir 3 à 5 gestes critiques, collecter plusieurs échantillons auprès de professionnels, mesurer le taux de reconnaissance avec des apprenants, puis ajuster les critères. Si les données manquent, il ne faut pas promettre un taux de réussite abstrait. Il faut le mesurer dans le contexte réel d’usage.

Commerce, culture et tourisme

Dans un showroom immersif, un musée ou une visite touristique, les gestes peuvent remplacer une interface complexe. Un visiteur pourrait faire tourner un objet, appeler une information, ouvrir une vue détaillée ou comparer deux versions d’un produit. L’intérêt est évident pour les publics non familiers de la VR : moins de boutons, plus d’instinct.

Ce que cela dit de l’avenir des expériences immersives

La reconnaissance de gestes n’est pas seulement une fonctionnalité technique. C’est un langage. Et comme tout langage, elle doit être comprise par des personnes différentes, avec leurs habitudes, leur vitesse, leur culture corporelle. Prehension AI tente de simplifier cette couche complexe pour les créateurs Unity, en proposant un plugin prêt à l’emploi, un entraînement cloud rapide, puis un modèle utilisable hors ligne.

Chez explorations360, cette logique rejoint un enjeu très concret : rendre les expériences immersives plus accessibles pour transmettre, démontrer et former. Avec easystory360, l’objectif est justement de scénariser des parcours interactifs compréhensibles par tous, sans enfermer l’utilisateur dans une interface lourde. Le cas Max Sauer - Pinceaux Raphaël, Sennelier illustre bien cette proximité avec le geste métier : valoriser et transmettre un savoir-faire technique, où la main, l’outil et la précision comptent autant que le discours.

Dans ce contexte de déploiement, une expérience immersive peut montrer un geste, le contextualiser, puis guider l’utilisateur dans sa compréhension. Comme le résume Quentin Le Bail : « Ce n'est pas que du discours, vous l'avez vu... » Cette phrase dit beaucoup de la valeur des formats immersifs : on ne se contente plus d’expliquer, on donne à voir, à explorer, parfois à reproduire.

Demain, les expériences VR/MR les plus utiles ne seront peut-être pas celles qui impressionnent le plus au premier regard. Ce seront celles qui comprendront le mieux nos intentions, nos gestes et nos façons naturelles d’apprendre. Prehension AI apporte une brique intéressante à cette évolution. Reste à voir son prix, sa maturité et sa capacité à durer, mais la direction est claire : l’immersion devient plus forte quand elle parle le langage du corps.

#IntelligenceArtificielle, #ApprentissageAutomatique, #RéalitéAugmentée, #GestesVR, #InnovationTechnologique

Cet article fait partie de notre veille technologique Veille360, une sélection d'actualités sur les technologies immersives.