La détection précoce d'actions vise à déterminer au plus tôt la classe d'une action, si elle a lieu, dans un flot non segmenté et en utilisant le moins d'observations possibles. Cette tâche est d'autant plus complexe qu'elle doit considérer à la fois des contraintes de détection, de reconnaissance et celles de précocité. De ce fait, et en dépit de son intérêt pratique certain, cette problématique est rarement abordée dans la littérature. Dans ce papier, nous proposons une approche combinant trois modèles basés sur le concept de segmentation curviligne. Ces modèles permettent de traiter le flot d'entrée à court, moyen et long terme de façon à réduire à la fois le risque d'erreur et la latence. De plus, le fait que ces modèles soient basés sur la notion de segmentation curviligne permet de s'affranchir de difficultés inhérentes à la détection, notamment la variabilité des vitesses de performance. En outre, l'approche proposée est adaptée au cas de la reconnaissance d'actions pré-segmentées afin de permettre une comparaison aux meilleures approches de la littérature, notamment celles à base d'apprentissage profond. Les résultats que nous présentons dans le cadre de la détection précoce et celui de la reconnaissance sont prometteurs vis-à-vis de ce sujet de recherche encore en émergence.