16 extraits d’interprétations télévisées et webstreamées ont été écoutés, commentés et évalués par un panel de 62 non-interprètes et 7 interprètes. Les réactions des non-interprètes donnent à penser que l’interprétation fonctionne en ce sens qu’elle semble plus ou moins transparente pour eux et ne fait pas écran à la réception du discours de l’orateur·trice. Les commentaires portent sur la forme de l’interprétation plus que sur le contenu. Il apparaît que les non-interprètes (PNI) prêtent attention à certains paramètres déjà étudiés dans la littérature (notamment intonation et fluidité) mais également à certains (méta)paramètres jusqu’ici peu explorés (équilibre des volumes sonores ; image de l’orateur·trice telle que transmise par l’interprétation ; transmission de la charge émotionnelle de l’original). Aucun paramètre ne ressort comme décisif pour l’évaluation globale de la qualité. Les paramètres de qualité ne sont pas abordés seulement isolément ; ils interagissent, et notamment, la perception de la forme et celle du fond semble étroitement liées, et la confiance de l’auditeur semble déterminée par plusieurs facteurs relatifs à la forme et au contenu. Des différences apparaissent entre interprètes et non-interprètes : les interprètes semblent plus sensibles à la forme textuelle ; seuls les non-interprètes ont signalé de fausses erreurs ; les non-interprètes semblent écouter en priorité le message, et lorsqu’illes réagissent à l’interprétation per se, ce n’est souvent que dans un deuxième temps.

Cette thèse se situe dans le domaine du Traitement Automatique des Langues Naturelles. Elle vise à pouvoir garantir l'exactitude de l’analyse syntaxique et sémantique de textes en langue naturelle (des spécifications techniques ou des textes dans des langues peu dotées) et la fidélité de leur traduction dans plusieurs autres langues. Pour y parvenir, plusieurs verrous doivent être levés. D’abord, pour maîtriser la combinatoire inhérente à la complexité des langues naturelles, le développement des analyseurs, des générateurs… doit être réalisé automatiquement à partir d’une description claire et vérifiable. Dans ce but, nous ferons évoluer les Grammaires Statiques de Correspondances Structurales (GSCS) pour les rendre à la fois plus intuitives et capables de produire des modules exécutables. Pour finir de garantir le sens, nous produirons toutes les analyses possibles et utiliserons un dialogue avec un humain pour désambiguïser entre ces différentes solutions. Par ailleurs, pour accélérer le développement des grammaires GSCS, nous appliquerons un traitement à base d’apprentissage profond sur des banques d’arbres existantes. Les probabilités obtenues sur les règles permettront d’organiser le dialogue de désambiguïsation de manière naturelle. Des algorithmes capables de mesurer la qualité des analyses et des traductions seront étudiés et évalués. Enfin, pour prendre en compte le caractère fortement multilingue du project de CS, nous choisirons une architecture à base de pivot sémantique. Les analyseurs réalisés produiront ainsi des graphes UNL, et les générations partiront de ces graphes pour générer les textes en langue cible. Des expérimentations avec d’autres enconvertisseurs et déconvertisseurs UNL (anglais, russe, hindi, espagnol…) permettront de vérifier la capacité d’interopérabilité d’UNL.