La désambiguïsation lexicale (DL) et la traduction automatique (TA) sont deux tâches centrales parmi les plus anciennes du traitement automatique des langues (TAL). Bien qu'ayant une origine commune, la DL ayant été conçue initialement comme un problème fondamental à résoudre pour la TA, les deux tâches ont par la suite évolué très indépendamment. En effet, d'un côté, la TA a su s'affranchir d'une désambiguïsation explicite des termes grâce à des modèles statistiques et neuronaux entraînés sur de grandes quantités de corpus parallèles, et de l'autre, la DL, qui est confrontée à certaines limitations comme le manque de ressources unifiées et un champs d'application encore restreint, reste un défi majeur pour permettre une meilleure compréhension de la langue en général.Aujourd'hui, dans un contexte où les méthodes à base de réseaux de neurones et les représentations vectorielles des mots prennent de plus en plus d'ampleur dans la recherche en TAL, les nouvelles architectures neuronales et les nouveaux modèles de langue pré-entraînés offrent non seulement de nouvelles possibilités pour développer des systèmes de DL et de TA plus performants, mais aussi une opportunité de réunir les deux tâches à travers des modèles neuronaux joints, permettant de faciliter l'étude de leurs interactions.Dans cette thèse, nos contributions porteront dans un premier temps sur l'amélioration des systèmes de DL, par l'unification des données nécessaires à leur mise en oeuvre, la conception de nouvelles architectures neuronales et le développement d'approches originales pour l'amélioration de la couverture et des performances de ces systèmes. Ensuite, nous développerons et comparerons différentes approches pour l'intégration de nos systèmes de DL état de l'art et des modèles de langue, dans des systèmes de TA, pour l'amélioration générale de leur performance. Enfin, nous présenterons une nouvelle architecture pour l'apprentissage d'un modèle neuronal joint pour la DL et la TA, s'appuyant sur nos meilleurs systèmes neuronaux pour l'une et l'autre tâche.

Les échanges écrits représentent un vecteur d’informations stratégiques dont la bonne gestion influence l’activité des acteurs socioéconomiques. Le secteur industriel ne fait pas exception et doit pouvoir compter sur des professionnels formés pour communiquer à l’écrit de manière claire, transparente et cohérente. Notre thèse questionne les modalités de formation à l’écriture dans les filières universitaires technologiques accueillant des étudiants issus de baccalauréats professionnels. La recherche consiste à analyser les pratiques d’écriture des primo entrants dans l’enseignement supérieur puis à élaborer et expérimenter un système didactique capable de développer les compétences rédactionnelles des étudiants, en phase avec les besoins des entreprises du secteur industriel Production. Pour y parvenir, nous avons puisé dans les approches et les méthodes des champs disciplinaires de la linguistique appliquée, de l’ingénierie didactique, des sciences cognitives et des sciences sociales. De tels choix nous ont permis de mettre au point un système didactique multi-niveaux fondé sur la planification par objectifs. À travers un protocole expérimental de tests différenciés et par l’utilisation des méthodes de la linguistique de corpus outillée, il a été possible d’évaluer l’efficacité et la validité des différentes composantes du dispositif didactique conçu. Cette thèse permet d’ouvrir de nouveaux scénarios épistémologiques et méthodologiques à propos de la didactique de l’écrit et de la linguistique appliquée aux écrits professionnels, tout en proposant un panel d’outils d’enseignement innovants.