L'apprentissage de mappings du geste vers le son constitue aujourd'hui un enjeu de recherche majeur. Dans un travail précédent, nous avons proposé un modèle hiérarchique permettant de modéliser des structures temporelles à différentes échelles [8]. Nous nous intéressons ici à l'apprentissage de structures temporelles de plus haut niveau. Plus spécifiquement, nous nous proposons de formuler la problématique de l'articulation entre différents mappings geste-son dans un contexte d'apprentissage inter- actif. Ce champ de recherche émergent, aux croisements de l'apprentissage automatique et de l'interaction homme-machine, permet à notre sens de poser correctement la question de l'apprentissage " par démonstration ". Nous présentons d'abord successivement les cadres de l'apprentissage interactif et de la modélisation du couplage geste-son, puis les perspectives ouvertes par la réunion de ces problématiques, ainsi qu'une première extension de nos travaux précédents dans ce cadre.