Cet article se concentre sur le repérage des signes, une tâche qui permet d'identifier et de localiser des signes individuels dans des vidéos continues en langue des signes. Le repérage des signes joue un rôle crucial pour pallier le manque critique de données dans la traduction en langue des signes et l'annotation des jeux de données de mise à l'échelle. Pour pallier les limites des approches existantes, notamment la flexibilité lexicale limitée et l'ambiguïté inhérente aux flux de signes continus, nous présentons un nouveau cadre, sans apprentissage, qui intègre un modèle linguistique à grande échelle (MLL). Ce cadre extrait les caractéristiques spatio-temporelles et manuelles et les associe à un vaste dictionnaire de langue des signes grâce à la déformation temporelle dynamique (DTW) et à la similarité cosinus. Il offre une excellente flexibilité lexicale sans réapprentissage du modèle et utilise le LLM pour effectuer une désambiguïsation contextuelle par recherche de faisceaux. Les résultats expérimentaux sur des jeux de données synthétiques et réelles en langue des signes démontrent une précision et une fluidité de phrase supérieures à celles des méthodes existantes.
