Les récentes recherches en robotique ont étendu l’utilisation des robots au-delà des environnements industriels traditionnels. Les robots humanoïdes sont bien adaptés pour effectuer des tâches accomplies par l’homme, en raison de leurs formes et leurs capacités de mouvements «humaines». En général, les robots humanoïdes ont un torse, une tête, deux bras et deux jambes. Ils ont été développés pour effectuer des tâches humaines telles que l’assistance personnelle, où ils devraient être en mesure d’aider les personnes âgées ou malades, ou effectuer des missions dangereuses, etc. C’est pourquoi les chercheurs ont besoin d’extraire des connaissances sur le mouvement humain grâce à l’observation continue du comportement humain. Ceci aidera les robots à être capables d’effectuer et d’accomplir des tâches en interagissant avec un humain. Le mouvement humain peut être analysé grâce à des systèmes de capture de mouvement, par exemple le système Vicon. L’objectif principal du projet de recherche est de développer des algorithmes afin qu’un robot soit capable d’interagir avec un partenaire humain en temps réel. Dans le présent travail, nous proposons et validons un algorithme probabiliste complet pour la prédiction du mouvement humain, nous montrerons que le modèle d’inférence peut anticiper vigoureusement les actions de l’être humain. Notre approche est basée sur un algorithme intégrant les paramètres des GMMs (Gaussian Mixture Models) dans un filtre de Kalman.