Définir une indexation pertinente sur le contenu sémantique des films ou vidéos est un défi actuel. Nous proposons de rechercher et de caractériser l'activité contenue dans un film à partir d'une analyse conjointe texte et image. L'analyse des images nous donne de nombreux indicateurs, pauvres en sémantique, tandis que l'étude des textes courts que sont les synopsis nous donne des indicateurs moins nombreux mais à fort contenu sémantique. Nous devons alors vérifier la corrélation de ces indicateurs issus de média différents pour déterminer la nature de l'action. Puis, par la fusion de ces informations, nous cherchons à localiser l'action décrite par le texte dans le film. Notre corpus d'application est une base numérique de films d'animation constituée par la CITIA (Cité de l'Image en Mouvement).