La reconnaissance de l'activité humaine ou Human Activity Recognition (HAR) est une tâche importante dans de nombreuses applications de santé à domicile, telles que la détection des chutes en temps réel ou la surveillance de l'état de la santé des personnes âgées. Cet article propose une nouvelle solution HAR basée sur l'information d'état du canal des signaux Wi-Fi ou Channel State Information (CSI). L'approche proposée utilise les techniques d'apprentissage profond avec la technologie de communication Wi-Fi pour proposer une méthodologie intelligente de reconnaissance de l'activité humaine en temps réel que l'on nomme Intelligent Real-time Human Activity Recognition (IR-HAR). Un modèle de réseau de neuronnes convolutionnel profond à deux couches ou Convolutional Neural Network (CNN) en anglais est alors développé pour réaliser la classification des données CSI brutes générées pendant les activités humaines. Le modèle CNN est couplé avec une augmentation de données en séries temporelles pour surmonter le problème des ensembles de données de petite taille. Nos résultats montrent que notre méthodologie permet de reconnaître l'activité d'un seul utilisateur avec une précision supérieure à 90%, surpassant ainsi les approches les plus récentes.