Dans cet article nous comparons deux approches pour la reconnaissance de gestes en 2D et en 3D. La première exploite les points d'intérêt spatio-temporels où chaque séquence est décrite par des histogrammes de flux optique locaux. La reconnaissance est effectuée par une machine à vecteur support (SVM). La deuxième approche consiste à utiliser la trajectoire 3D de la main acquise à l'aide d'un capteur Kinect et la reconnaissance est effectuée par déformation temporelle dynamique (DTW). Nous comparons les deux approches en étudiant leurs limitations, l'efficacité de chacune en termes de taux de reconnaissance et de temps de calcul