Cet article explore un champ de recherches en plein essor : la communication face-à-face. Les performances et la robustesse des composants technologiques nécessaires à la mise en œuvre de systèmes d’interaction face-à-face entre l’Homme et un agent conversationnel – technologies vocales, vision par ordinateur, synthèse d’images, compréhension et génération de dialogues, etc. – sont maintenant matures. Nous esquissons ici un programme de recherche centré sur la modélisation des diverses boucles de perception-action impliquées dans la gestion de l’interaction et sur le paramétrage dynamique de ces boucles par les divers niveaux de compréhension de la scène dans laquelle humains, robots et agents conversationnels animés seront inévitablement plongés.