Le mouvement biologique possède de nombreuses informations, qu'elles soient physique ou cognitive. Des travaux ont montré qu'il était possible de déterminer le genre d'une personne, son émotion, voire même son identité. Ces caractéristiques sont accessibles à partir d'information sur la dynamique du mouvement des corps poly-articulés (e.g. le mouvement des points d'articulation). Comprendre et interpréter le comportement d'une personne et son état sont des capacités liées à l'empathie. C'est une faculté commune à l'ensemble des mammifères qui se base sur certains systèmes neuronaux comprenant, entre autre, les neurones miroirs. Étant donné que l'empathie participe grandement aux interactions sociales chez les hommes et plus généralement les animaux, on est en mesure de se demander comment notre relation avec les robots peut s'en inspirer.Cela nous amène à la problématique suivante: l'assistance robotique à la personne peut-elle se servir de l'interprétation du mouvement humain, riche d'informations physiques et cognitives, comme modalité d'amélioration de l'Interaction Humain Robot ?Pour répondre à cette problématique, nous nous positionnons sur des outils d'observations et sur une méthode d'analyse du mouvement qui soient exploitables en temps réel par un système robotique.Dans un premier temps, nous avons travaillé sur les outils d'observation du mouvement humain. Nos objectifs d'assistance robotisée en milieu écologique, nécessitent d'installer des capteurs qui affectent le moins possible les actions de la personne. Nous avons donc choisi d'étudier le capteur Kinect de Microsoft qui est un capteur de profondeur accessible permettant de récupérer les positions cartésiennes des articulations et extrémités du corps. Cependant, ce type de capteur est sujet à des bruits de mesure qui empêcherait une analyse fine du mouvement. Nous avons donc développé deux méthodes pour améliorer la mesure de ce capteur basé sur le Filtre de Kalman Etendu (EKF): un EKF sous contrainte anthropométrique et un EKF de fusion de capteurs. Nous avons fait la première étude sur la Kinect de 2ème génération et la deuxième sur les générations 2 et 3, permettant de mettre en avant les différences entre ces deux capteurs.Dans un second temps, nous nous sommes intéressés aux méthodes d'analyse du mouvement et plus spécifiquement au problème de Control Optimal Inverse (COI). L'objectif du COI est d'identifier les pondérations associées à un ensemble de fonctions de coûts à optimiser pour générer une trajectoire donnée. Dans le cadre de cette thèse, nous cherchons à analyser en temps réel des trajectoires de mouvement humain dont les mesures, issus de capteurs, sont bruitées. Nous avons étudié la fiabilité de la méthode de résolution du COI dite Approchée, en fonction du bruit de mesure. Nous apportons également une approche originale du COI qui pose une nouvelle vision de l'optimalité de trajectoires et permet de présenter les concepts de Courbes de Singularité et de Projection. Nous montrons dans cette étude des outils permettant de mieux comprendre et prendre en compte les problématique de robustesse du COI.