L'apprentissage des langues médiatisé par les technologies est un domaine d'intérêt croissant pour la recherche et la pratique et plus particulièrement les interactions synchrones multimodales. Les recherches en cours dans ce domaine portent sur les compétences techno-sémio-pédagogiques des enseignants de langues en ligne. Une de ces compétences est la formulation des consignes pour expliquer aux apprenants comment réaliser une tâche. Cependant, les quelques études existantes examinent essentiellement la formulation des consignes par des apprentis-tuteurs en ligne ou se concentrent sur le présentiel. En adoptant une approche qualitative, cet article examine les consignes émises pour la même tâche par trois enseignants expérimentés dans l'enseignement à distance. Le contexte est celui de cours d'anglais L2 donnés par visioconférence en petits groupes. En s'appuyant sur la théorie ancrée (Grounded Theory) et l'analyse des interactions multimodales, nous proposons, à la fois, un aperçu complet et une micro-analyse détaillée des actions de niveaux supérieur et inférieur liées aux consignes. Pour situer nos analyses, nous proposons d'analyser les approches variées d'enseignants vis-à-vis de la formulation des consignes : consignes pour favoriser l'interaction authentique, consignes directives pour accomplir la tâche ou présentation écrite des consignes pour une lecture asynchrone par les apprenants en amont de l'interaction puis confirmation orale lors de l'interaction synchrone. Ensuite, en nous appuyant sur les travaux de Markee (2015), qui a identifié six composantes des consignes lors de séances en présentiel, nous identifions 13 actions de niveau supérieur (Norris, 2004) qui composent les consignes et proposons un cadre pour étudier leur nature (instructions-as-processus). Notre analyse suggère que l'action de niveau supérieur gérer les ressources semble être particulièrement importante pour l'enseignement-apprentissage des langues à distance. Nous proposons ensuite une analyse multimodale de trois actions de niveau supérieur (communiquer les informations clés pour la tâche, proposer comment lancer la tâche, lancer la tâche) pour illustrer les éléments multimodaux (actions de niveau inférieur) employés par les enseignants. Les trois extraits analysés démontrent que chaque enseignant tirait parti des affordances de différents modes de communication selon le cadrage visuel qu'il adoptait (plan poitrine, gros plan ou très gros plan). En employant divers modes de communication, les enseignants ont atteint une densité modale accrue dans leurs consignes leur permettant de les présenter comme point focal de l'attention (Norris, 2004). Pour conclure, nous proposons une discussion autour des perspectives pédagogiques et de recherche ainsi qu'une réflexion sur les difficultés rencontrées pour identifier des consignes réussies.