Au vu de l’émergence au Mexique depuis la fin du XXe siècle d’une tendance littéraire appelée communément narco-littérature, nous nous proposons à travers ce parcours de mettre en lumière la diversité des outils choisis par les auteurs pour écrire la violence liée au narcotrafic. Il s’agit, dans un premier temps, d’explorer les racines historiques et sociales de ce cycle littéraire en constante effervescence et de déterminer ses caractéristiques afin de mieux comprendre son déploiement et le large succès qu’il connaît. Puis, à travers l’analyse des procédés lexicaux utilisés par les auteurs d’un corpus d’ouvrages publiés entre 2002 et 2014, nous caractérisons les différentes tendances identifiées dans l’écriture de la violence. Constatant la diffusion croissante de ces ouvrages au-delà des frontières mexicaines, l’étape finale de notre étude est consacrée à l’analyse des stratégies mises en œuvre par les traducteurs pour rendre dans une autre langue une réalité locale très particulière et bien souvent étrangère à la langue-culture du lecteur potentiel.

Cette thèse porte sur la construction automatique d’outils et de ressources pour l’analyse linguistique de textes des langues peu dotées. Nous proposons une approche utilisant des réseaux de neurones récurrents (RNN - Recurrent Neural Networks) et n'ayant besoin que d'un corpus parallèle ou mutli-parallele entre une langue source bien dotée et une ou plusieurs langues cibles moins bien ou peu dotées. Ce corpus parallèle ou mutli-parallele est utilisé pour la construction d'une représentation multilingue des mots des langues source et cible. Nous avons utilisé cette représentation multilingue pour l’apprentissage de nos modèles neuronaux et nous avons exploré deux architectures neuronales : les RNN simples et les RNN bidirectionnels. Nous avons aussi proposé plusieurs variantes des RNN pour la prise en compte d'informations linguistiques de bas niveau (informations morpho-syntaxiques) durant le processus de construction d'annotateurs linguistiques de niveau supérieur (SuperSenses et dépendances syntaxiques). Nous avons démontré la généricité de notre approche sur plusieurs langues ainsi que sur plusieurs tâches d'annotation linguistique. Nous avons construit trois types d'annotateurs linguistiques multilingues: annotateurs morpho-syntaxiques, annotateurs en SuperSenses et annotateurs en dépendances syntaxiques, avec des performances très satisfaisantes. Notre approche a les avantages suivants : (a) elle n'utilise aucune information d'alignement des mots, (b) aucune connaissance concernant les langues cibles traitées n'est requise au préalable (notre seule supposition est que, les langues source et cible n'ont pas une grande divergence syntaxique), ce qui rend notre approche applicable pour le traitement d'un très grand éventail de langues peu dotées, (c) elle permet la construction d'annotateurs multilingues authentiques (un annotateur pour N langages).

Le milieu du XIXe siècle voit émerger un nouveau format d’écriture qui se répand rapidement dans les journaux : la dépêche télégraphique d’agence. Quel est cet objet inédit à l’apparence modeste mais qui pourrait bien avoir changé le journalisme ? Si les agences sont des acteurs économiques, qui entretiennent de surcroît des liens étroits avec le gouvernement, en Prusse comme en France, elles sont donc fort éloignées des idéaux journalistiques des hommes de presse du XVIIIe siècle. La dépêche télégraphique représente pourtant une manière d’écrire en journalisme qui peut être considérée comme novatrice et moderne. La dépêche télégraphique se situe à l’intersection de champs conflictuels, le politique, l’économie, le journalisme, et se développe dans un aller-retour entre l’international et le national, en tant qu’objet transculturel qui s’impose aux différents contextes culturels journalistiques. La conquête télégraphique de l’espace ainsi que l’accélération de la communication – sont les caractéristiques majeures du texte télégraphique. Pour cerner l’essence de la poétique télégraphique, nous explorons la relation singulière que les dépêches nouent entre les lieux et le temps sous différents angles, celui du territoire télégraphique et de la représentation de l’international, de l’imaginaire de la technique, ainsi que la circulation des informations agencières et de l’écriture en réseau.

Cette thèse s'inscrit dans le cadre de l'émergence de l'apprentissage profond et aborde la compréhension de la parole assimilée à l'extraction et à la représentation automatique du sens contenu dans les mots d'une phrase parlée. Nous étudions une tâche d'étiquetage en concepts sémantiques dans un contexte de dialogue oral évaluée sur le corpus français MEDIA. Depuis une dizaine d'années, les modèles neuronaux prennent l'ascendant dans de nombreuses tâches de traitement du langage naturel grâce à des avancées algorithmiques ou à la mise à disposition d'outils de calcul puissants comme les processeurs graphiques. De nombreux obstacles rendent la compréhension complexe, comme l'interprétation difficile des transcriptions automatiques de la parole étant donné que de nombreuses erreurs sont introduites par le processus de reconnaissance automatique en amont du module de compréhension. Nous présentons un état de l'art décrivant la compréhension de la parole puis les méthodes d'apprentissage automatique supervisé pour la résoudre en commençant par des systèmes classiques pour finir avec des techniques d'apprentissage profond. Les contributions sont ensuite exposées suivant trois axes. Premièrement, nous développons une architecture neuronale efficace consistant en un réseau récurent bidirectionnel encodeur-décodeur avec mécanisme d’attention. Puis nous abordons la gestion des erreurs de reconnaissance automatique et des solutions pour limiter leur impact sur nos performances. Enfin, nous envisageons une désambiguïsation de la tâche de compréhension permettant de rendre notre système plus performant.

Différentes composantes des systèmes de traduction automatique statistique sont considérées comme des problèmes d'optimisations. En effet, l'apprentissage du modèle de traduction, le décodage et l'optimisation des poids de la fonction log-linéaire sont trois importants problèmes d'optimisation. Savoir définir les bons algorithmes pour les résoudre est l'une des tâches les plus importantes afin de mettre en place un système de traduction performant. Plusieurs algorithmes d'optimisation sont proposés pour traiter les problèmes d'optimisation du décodeur. Ils sont combinés pour résoudre, d'une part, le problème de décodage qui produit une traduction dans la langue cible d'une phrase source, d'autre part, le problème d'optimisation des poids des scores combinés dans la fonction log-linéaire pour d'évaluation des hypothèses de traduction au cours du décodage. Le système de traduction statistique de référence est basé sur un algorithme de recherche en faisceau pour le décodage, et un algorithme de recherche linéaire pour l'optimisation des poids associés aux scores. Nous proposons un nouveau système de traduction avec un décodeur entièrement basé sur les algorithmes génétiques. Les algorithmes génétiques sont des algorithmes d'optimisation bio-inspirés qui simulent le processus de l'évolution naturelle des espèces. Ils permettent de manipuler un ensemble de solutions à travers plusieurs itérations pour converger vers des solutions optimales. Ce travail, nous permet d'étudier l'efficacité des algorithmes génétiques pour la traduction automatique statistique. L'originalité de notre proposition est de proposer deux algorithmes : un algorithme génétique, appelé GAMaT, comme décodeur pour un système de traduction statistique à base de segments, et un algorithme génétique, appelé GAWO, pour l'optimisation des poids de la fonction log-linéaire afin de l'utiliser comme fonction fitness pour GAMaT. Nous proposons également, une approche neuronale pour définir une nouvelle fonction fitness pour GAMaT. Cette approche consiste à utiliser un réseau de neurones pour l'apprentissage d'une fonction qui combine plusieurs scores, évaluant différents aspects d'une hypothèse de traduction, combinés auparavant dans la fonction log-linéaire, et qui prédit le score BLEU de cette hypothèse de traduction. Ce travail, nous a permis de proposer un nouveau système de traduction automatique statistique ayant un décodeur entièrement basé sur des algorithmes génétiques

Dans la présente thèse nous formulons une réflexion sur la traduction des classiques du théâtre à travers les trois catégories traductologiques de l’herméneutique, de l’oralité et de la temporalité. A cet effet, nous envisageons la traduction comme le résultat d’un processus herméneutique concernant l’œuvre dans sa totalité. Au centre de ce processus, nous plaçons le sujet traduisant, dont la culture individuelle – à son tour reflet et déclinaison de la culture collective de l’espace-temps cible – constitue l’horizon d’interaction avec l’œuvre source. En découle la saisie d’un Sens total, au-delà du simple sens textuel, qui inclut une inscription dans la temporalité et l’identification d’une théâtralité, tout particulièrement vocale. Posant cette construction comme hypothèse de fond, nous recherchons les marques d’une telle interprétation de l’œuvre dans l’oralité de la traduction. Nous imaginons cette dernière comme la projection d’une voix performée et la concevons comme un tissu composite dans lequel les dimensions linguistique, rythmique et vocale participent à la construction d’un discours contemporain sur l’œuvre classique, le théâtre du passé, le théâtre du présent, sur la traduction elle-même et sa relation au temps. Un corpus de traductions italiennes contemporaines de Phèdre et Dom Juan destinées à la représentation scénique constitue la pierre de touche pour la vérification de notre hypothèse, tout en apportant un éclairage sur la réception des classiques du théâtre français en Italie.

La présente thèse tente d’identifier les difficultés et les spécificités linguistico-culturelles marquantes qui relèvent de l’environnement de l’interprétation (français/anglais-arabe) aussi bien en pratique qu’en formation. L’interprète arabophone utilise le dialecte au quotidien mais doit s’exprimer en arabe littéraire moderne dans les conférences internationales. Il fait alors face à une variété d’arabe non acquise depuis la naissance qui est sensiblement différente des dialectes locaux, notamment sur le plan morphosyntaxique. Ainsi, l’interprète arabophone peut être amené à déployer plus d’efforts que l’interprète francophone ou anglophone dans la production de son discours (traduisant quant à eux vers leur langue maternelle) et à travailler à proximité de la saturation cognitive (Gile, 2009). Nous avons collecté des données par trois moyens : a) un questionnaire rempli par 35 praticiens et enseignants de l’interprétation de conférence, b) deux types d’enquêtes par entretien, l’une auprès de 12 interprètes professionnels, et l’autre auprès de 14 étudiants et 8 enseignants-praticiens appartenant à 4 établissements et c) par l’analyse d’un corpus d’enregistrements de l’interprétation de 2 discours. Les explorations empiriques réalisées ont permis d’identifier un certain nombre de difficultés linguistiques que rencontrent les praticiens en activité ainsi que les enseignants et les étudiants participant à une formation d’interprètes. Nous y retrouvons notamment ce qui concerne la redondance dans le discours arabe et les difficultés qui découlent de la spécificité de l’arabe. L’ALM, notamment en phase de production orale, ne serait pas considéré comme une langue « A » au sens de l’AIIC. Il s’apparenterait plutôt à une langue « B ». Tous les participants ont mis l’accent sur la difficulté de la maîtrise de leur langue « A », l’ALM. L’analyse de corpus a notamment soulevé un grand nombre de fautes et de maladresses linguistiques dans le produit oral des interprètes professionnels. De ces constats, il résulte qu’il est important d’améliorer la maîtrise active de l’ALM chez les interprètes et les étudiants. Le perfectionnement linguistique dont il est question ne peut se faire par une simple immersion linguistique dans un pays arabophone. Il faudra en effet des efforts ciblés.

Cette étude repose sur l’influence empirique d’un changement de paradigme définitoire sur l’utilisation des anglicismes dans la presse écrite francophone. Construite autour d’une opposition entre anglicismes en général, anglicismes avec équivalent en français et anglicismes sans équivalent, elle analyse en diachronie (2000-2015) les nombreuses différences liées au changement de définition ainsi qu’à ses retombées sur des analyses comparatives portant sur l’origine géographique (France-Québec) et la nature (« de référence » ou « populaire ») du journal. Fort de plus de 330 millions de mots, notre corpus regroupe les publications de 2000 à 2015 de quatre quotidiens différents: Le Monde et Le Parisien pour la France, Le Devoir et La Presse pour le Québec. De plus, les listes témoins, l’une de 5 416 anglicismes et l’autre de 2 934, formées à l’aide de deux dictionnaires de langue générale (Le Petit Robert 2016 et Le Multidictionnaire de la langue française-4e édition 2013) et deux dictionnaires spécialisés (Le Dictionnaire des anglicismes de Höfler et Le Colpron, dictionnaire des anglicismes-4e édition) de France et du Québec. Premièrement, les résultats que nous obtenons montrent qu’en général, la fréquence d’utilisation est faible (0,72% pour tous les anglicismes ; 0,28% pour les anglicismes avec équivalents ; 0,44% pour les anglicismes sans équivalent) que ce soit en France ou au Québec, ce qui est plutôt conforme aux conclusions des études précédentes. Il y a cependant des différences quant aux résultats obtenus pour chaque analyse étant donné que le taux d’anglicisme est une fois et demi plus faible selon que l’on considère qu’un anglicisme doit avoir un équivalent ou non. Cela montre que la définition du concept d’« anglicisme » a un impact incontestable sur la fréquence affichée. Deuxièmement, nous observons que ce changement de définition influe également sur des critères d’analyse spécifiques tels la diatopie ou la nature des journaux.

Les avancées récentes des Technologies de l'Information et de la Communication (TIC) ont entraîné des transformations radicales de plusieurs secteurs de l'industrie. L'adoption des technologies du Web Sémantique a démontré plusieurs avantages, surtout dans une application de Recherche d'Information (RI) : une meilleure représentation des données et des capacités de raisonnement sur celles-ci. Cependant, il existe encore peu d’applications industrielles car il reste encore des problèmes non résolus, tels que la représentation de documents hétérogènes interdépendants à travers des modèles de données sémantiques et la représentation des résultats de recherche accompagnés d'informations contextuelles.Dans cette thèse, nous abordons deux défis principaux. Le premier défi porte sur la représentation de la connaissance relative à un corpus de documents hétérogènes couvrant à la fois le contenu des documents fortement lié à un domaine métier ainsi que d'autres aspects liés à la structure de ces documents tels que leurs métadonnées, les relations inter et intra-documentaires (p. ex., les références entre documents ou parties de documents), etc. Le deuxième défi porte sur la construction des résultats de RI, à partir de ce corpus de documents hétérogènes, aidant les utilisateurs à mieux interpréter les informations pertinentes de leur recherche surtout quand il s'agit d'exploiter les relations inter/intra-documentaires.Pour faire face à ces défis, nous proposons tout d'abord une représentation sémantique du corpus de documents hétérogènes à travers un modèle de graphe sémantique couvrant à la fois les dimensions structurelle et métier du corpus. Ensuite, nous définissons une nouvelle structure de données pour les résultats de recherche, extraite à partir de ce graphe, qui incorpore les informations pertinentes directes ainsi qu'un contexte structurel et métier. Afin d'exploiter cette nouvelle structure dans un modèle de RI novateur, nous proposons une chaine de traitement automatique de la requête de l'utilisateur, allant du module d'interprétation de requête, aux modules de recherche, de classement et de présentation des résultats. Bien que nous proposions une chaine de traitement complète, nos contributions se focalisent sur les modules de recherche et de classement.Nous proposons une solution générique qui peut être appliquée dans différents domaines d'applications métiers. Cependant, dans cette thèse, les expérimentations ont été appliquées au domaine du Bâtiment et Travaux Publics (BTP), en s'appuyant sur des projets de construction.

Nous abordons dans cette thèse une étude sur la tâche de la désambiguïsation lexicale qui est une tâche centrale pour le traitement automatique des langues, et qui peut améliorer plusieurs applications telles que la traduction automatique ou l'extraction d'informations. Les recherches en désambiguïsation lexicale concernent principalement l'anglais, car la majorité des autres langues manque d'une référence lexicale standard pour l'annotation des corpus, et manque aussi de corpus annotés en sens pour l'évaluation, et plus important pour la construction des systèmes de désambiguïsation lexicale. En anglais, la base de données lexicale wordnet est une norme de-facto de longue date utilisée dans la plupart des corpus annotés et dans la plupart des campagnes d'évaluation.Notre contribution porte sur plusieurs axes: dans un premier temps, nous présentons une méthode pour la création automatique de corpus annotés en sens pour n'importe quelle langue, en tirant parti de la grande quantité de corpus anglais annotés en sens wordnet, et en utilisant un système de traduction automatique. Cette méthode est appliquée sur la langue arabe et est évaluée sur le seul corpus arabe, qui à notre connaissance, soit annoté manuellement en sens wordnet: l'OntoNotes 5.0 arabe que nous avons enrichi semi-automatiquement. Son évaluation est réalisée grâce à la mise en œuvre de deux systèmes supervisés (SVM, LSTM) qui sont entraînés sur les corpus produits avec notre méthode.Grâce ce travail, nous proposons ainsi une base de référence solide pour l'évaluation des futurs systèmes de désambiguïsation lexicale de l’arabe, en plus des corpus arabes annotés en sens que nous fournissons en tant que ressource librement disponible.Dans un second temps, nous proposons une évaluation in vivo de notre système de désambiguïsation de l’arabe en mesurant sa contribution à la performance de la tâche de traduction automatique.