La coopération sous-marine homme-robot nécessite la compréhension par le système robotique de la gestuelle des plongeurs. L'environnement sous-marin représente un défi, car la turbidité et l'absorption des couleurs dégradent rapidement la qualité de la perception du robot. Ce travail présente une classification des gestes des plongeurs basée sur la détection du squelette du haut du corps, qui peut compléter la classification de la forme de la main. Cet article décrit un pipeline pour reconnaître les gestes à partir des variations angulaires du haut du corps. La solution proposée exploite la dimension temporelle des données d'angles articulaires en utilisant un réseau neuronal de type LSTM. L'approche proposée est validée sur un ensemble de données de capture de mouvement relatives à 15 sujets à qui on a demandé d'exécuter 8 gestes de plongeur différents dans l'air. Les résultats obtenus montrent la capacité de l'algorithme à discriminer la plupart des différents gestes entraînés avec un taux de réussite jusqu'à 88%.