L'Interaction Homme-Machine, et on peut parler de manière générale de la Communication Homme-Machine, peut prendre plusieurs formes parmi lesquelles on peut citer l'interaction verbale, l'interaction tactile et l'interaction visuelle.

L'utilisation des deux formes d'interaction, verbale et visuelle, peut améliorer la communication Homme-Machine. L'utilisation de ces deux formes d'interaction peut être alternative ou conjointe. L'utilisation alternative des deux interactions s'avère indispensable dans certains types de communication. Ainsi, lors d'une interaction avec des personnes ayant une déficience visuelle ou ne pouvant pas regarder l'interlocuteur (conduite automobile), l'interaction verbale semble la plus adaptée, ou bien dans une autre situation où des personnes avec une déficience auditive ou dans un milieu bruyant, sont amenés à communiquer, l'interaction visuelle semble la mieux adaptée. L'utilisation conjointe des deux modes d'interaction, qui prend la forme de fusion, peut améliorer d'une façon considérable la Communication Homme-Machine. Cette fusion peut être bénéfique si on prend en compte les gestes co-verbaux. En effet, 90% des gestes sémiotiques que nous utilisons sont des gestes co-verbaux qui sont plus ou moins développés selon les cultures.

L'utilisation de la fusion des deux modes d'interaction peut enlever quelques ambiguïtés. En effet, lors d'une interaction verbale seule, la machine peut considérer la discussion entre deux personnes comme une interaction verbale. Dans ce cas là, l'utilisation conjointe des deux interactions peut enlever cette ambiguïté en prenant en compte l'orientation du visage et du regard de l'utilisateur.

Un système d'interaction visuelle, qui doit intégrer un système de dialogue homme-machine, doit intégrer plusieurs critères. Tout d'abord, il doit répondre à plusieurs critères techniques pami lesquels on peut citer: