Les avancées technologiques de ces dernières années semblent avoir rendu l'acquisition de données multimodales plus accessible (miniaturisation du matériel, coût réduit, amélioration de l'ergonomie), notamment pour les recherches en linguistique. Mais cette apparente simplicité est, dans bien des cas, illusoire. D'une part, les appareils d'enregistrement et les logiciels de traitements possèdent toujours un certain nombre de réglages non automatisés. D'autre part, il faut toujours garder à l'esprit que le matériel ne fait pas tout et que l'environnement joue une part très importante dans la qualité des données (lieu bruyant pour une captation audio, peu éclairé pour une captation vidéo,...). Nous présentons ici les problèmes qui peuvent surgir dans l'acquisition de données audio, vidéo, de captures de mouvement et d'oculométrie. Des solutions sont proposées et des logiciels de traitement libres et gratuits sont cités. Enfin, les perspectives d'évolution de la multimodalité en linguistique sont évoquées.