Cette thèse explore la manière dont le modèle de traduction institutionnelle qui s’est mis en place au sein de l’Union européenne pourrait être adapté à la situation africaine afin de résoudre ce que son auteur considère comme le principal obstacle au développement de ce continent, à savoir sa fragmentation ethnolinguistique. Rédigée en anglais et composée de six chapitres, elle se situe au croisement de la Traductologie (son principal point d’ancrage théorique), des politiques linguistiques et des théories du développement. Avec plus de deux mille langues différentes, l'Afrique constitue en effet le summum de la fragmentation ethnolinguistique. Dans la Babel africaine, les États sont constitués de différentes tribus dont les seuls liens sont les langues européennes métropolitaines fonctionnant comme langues officielles. Cependant, moins d'un quart des Africains parlent ces langues officielles. Parallèlement, l'accès aux bienfaits de l’existence – emploi, soins de santé, justice et éducation – est lié à la capacité de parler les langues officielles, ce qui entraîne l'exclusion et la non-participation d’une grande partie des populations. Les Africains n'accèdent, ne créent ni ne diffusent de connaissances dans leurs propres langues. De même, il y a très peu de fertilisation croisée des savoirs, ce qui conduit à l'existence d’innombrables Afriques parallèles et incompatibles. L'intégration régionale, proclamée urbi et orbi comme la solution à la « tragédie de la croissance africaine », est pour l’essentiel un échec. Se fondant sur l'exemple de l'Union européenne, cette thèse affirme et entend démontrer que la traduction institutionnelle, par assurance, familiarisation et hybridation, réduira la souffrance des Africains, favorisera la bonne gouvernance grâce à la participation universelle et à la responsabilisation des élites, tout en facilitant la fertilisation croisée des Afriques parallèles et incompatibles d’aujourd’hui. La traduction permet de nouer des liens affectifs positifs ; la véhicularité métaphorique de la traduction engendre une identité africaine hybride et collective qui renforcera l'intégration régionale, permettant ainsi de réduire, voire d’éliminer, la souffrance perpétuelle en Afrique. En revanche, la théorie et le modèle opérationnel de traduction institutionnelle pratiqués actuellement en Afrique, à la fois européens et pro-institutions, sont mal adaptés pour réduire la souffrance en Afrique. L’auteur propose donc une théorie et un modèle opérationnel de traduction institutionnelle pro-personnes pour l’Afrique.

Internet offre une énorme quantité d’informations à portée de main et dans une telle variété de sujets, que tout le monde est en mesure d’accéder à une énorme variété de connaissances. Une telle grande quantité d’information pourrait apporter un saut en avant dans de nombreux domaines (moteurs de recherche, réponses aux questions, tâches NLP liées) si elle est bien utilisée. De cette façon, un enjeu crucial de la communauté d’intelligence artificielle a été de recueillir, d’organiser et de faire un usage intelligent de cette quantité croissante de connaissances disponibles. Heureusement, depuis un certain temps déjà des efforts importants ont été faits dans la collecte et l’organisation des connaissances, et beaucoup d’informations structurées peuvent être trouvées dans des dépôts appelés Bases des Connaissances (BCs). Freebase, Entity Graph Facebook ou Knowledge Graph de Google sont de bons exemples de BCs. Un grand problème des BCs c’est qu’ils sont loin d’êtres complets. Par exemple, dans Freebase seulement environ 30% des gens ont des informations sur leur nationalité. Cette thèse présente plusieurs méthodes pour ajouter de nouveaux liens entre les entités existantes de la BC basée sur l’apprentissage des représentations qui optimisent une fonction d’énergie définie. Ces modèles peuvent également être utilisés pour attribuer des probabilités à triples extraites du Web. On propose également une nouvelle application pour faire usage de cette information structurée pour générer des informations non structurées (spécifiquement des questions en langage naturel). On pense par rapport à ce problème comme un modèle de traduction automatique, où on n’a pas de langage correct comme entrée, mais un langage structuré. Nous adaptons le RNN codeur-décodeur à ces paramètres pour rendre possible cette traduction.

La production documentaire en contexte professionnel entraîne généralement un processus de révision dans lequel les documents doivent être relus avant validation et publication. Cette tâche importante fait face à de nouvelles difficultés avec le numérique. En effet, trois propriétés de l'écriture numérique sont problématiques : les documents évoluent très fréquemment et ne peuvent pas être relus entièrement à chaque version ; les interactions hypertextuelles rendent la tâche laborieuse, voire impossible ; la rééditorialisation documentaire augmente le nombre de formes documentaires à relire. En tant que technologie d'écriture numérique avancée, les chaînes éditoriales XML sont un cadre pertinent pour l'étude de la relecture de documents numériques. Partant du constat que les formes documentaires qu'elles proposent, à savoir les formes génératrices (sources XML modifiables via un éditeur WYSIWYM) et les formes publiées (documents issus de la transformation des sources XML), font défaut à la relecture, nous envisageons la conception de formes documentaires dédiées à cette activité selon deux approches : la linéarisation, qui consiste à restaurer une certaine linéarité matérielle des contenus pour faciliter leur relecture exhaustive ; et la tabulation, qui vise à paralléliser, afin de mieux les comparer, les différents contextes de rééditorialisation d'un document. Une partie des propositions faites dans ce mémoire a mené à la réalisation de prototypes ayant été expérimentés dans des situations d'usage des chaînes éditoriales Scenari en contexte pédagogique. Ces prototypes s'appuient sur des formes linéaires de relecture permettant notamment la comparaison de deux versions du document en se basant sur un algorithme de différentiel.

Les processus d'extraction terminologique automatique ont été jusqu'ici majoritairement conçus pour être appliqués à de corpus monolingues et dans des registres de langue uniformes. Cette thèse propose une séquence de traitements pour l'extraction automatique de « termes de terrain » qui soit faiblement dépendante de la langue, du registre de langue ou du domaine. Suivant une réflexion fondée sur différents aspects de typologie linguistique appliquée à sept langues, nous proposons des prétraitements textuels préliminaires au calcul de traits numériques pour l'entraînement de modèles statistiques de type CRF. Un ensemble de modèles sont sélectionnés grâce à une évaluation automatisée pour chaque langue. Une seconde série d'évaluations est ensuite réalisée pour étudier l'exploitabilité de ces modèles pour d'autres langues que celles sur lesquelles ils ont été entraînés. Il ressort de ces expériences que cette méthode aboutit à une extraction de termes de terrain de qualité satisfaisante. Les meilleurs scores obtenus (pour une évaluation monolingue des modèles) atteignent 0, 9 de f-score. La seconde partie de notre travail présente nos travaux relatifs à la complétion automatique de terminologies structurées multilingues. Nous avons proposé 2 algorithmes de complétion qui prennent en entrée un graphe de traduction multilingue (construit à partir de ressources libres) et une terminologie multilingue structurée. Ils proposent alors de nouveaux candidats termes pour cette dernière. Notre approche permet de compléter la terminologie structurée dans une langue qu'elle couvre déjà, mais également d'étendre sa couverture à de nouvelles langue.

La thèse porte sur la traduction et l'implantation en turc de deux termes clés du domaine des droits de l'homme détention et arrestation, tels qu'ils sont définis et employés dans le contexte européen. Les traductions en turc ont été réalisées par différents organismes, officiels ou universitaires, ou par des spécialistes. Or, an constate que celles de l'article 5 « Droit à la liberté et à la sûreté » de la Convention européenne des droits de l'homme comportent d'importantes variations terminologiques telles que tutma, tutuklama, gözaltinda tutma, tutukluluk, hapislik, tevkif pour le terme détention et yakalama, gözaltina alma pour le terme arrestation. La question est de savoir si l'existence de ces variations terminologiques pour le même concept risque de compromettre la communication juridique. En vue d'apporter des réponses quant aux causes et aux effets de ces variations terminologiques en turc, nous nous appuyons sur l'approche lexico-sémantique qui permet de rendre compte du cadre sémantique des termes étudiés par le biais des relations lexlco-sémantiques qu'ils établissent. Font l'objet d'étude approfondie dans le corpus de la jurisprudence de la Cour européenne des droits de l'homme les relations lexico-sémantiques suivantes : générique, actancielle et circonstancielle de lieu, mettant en lumière le caractère multidimensionnel des termes détention et arrestation. L'analyse de ces mêmes relations manifestées dans les variations terminologiques en turc permet de constater le transfert ou le non-transfert de cette multidirnensionalité et fournit ainsi une explication de l'hétérogénéité terminologique attestée en turc.

Cette recherche se situe dans le domaine des systèmes de documentation. Nous présentons un état de l'art des méthodes d'indexation automatique dont nous détaillons la partie concernant la sélection de thésaurus. Ensuite, nous exposons nos hypothèses et le système ANA (Apprentissage Naturel Automatique) que nous avons développé. Le système ANA effectue automatiquement l'extraction de la terminologie d'un domaine et structure cet ensemble de concepts en un réseau sémantique. Cette acquisition de connaissances est fondée sur l'étude de textes libres. Le système n'utilise ni grammaire ni dictionnaire mais s'appuie sur des procédures statistiques, ce qui le rend indépendant de la langue utilisée dans les textes. Dans un premier module le système se familiarise avec la langue (il apprend quelques éléments de syntaxe ainsi qu'une liste de mots fonctionnels), et avec le domaine (il sélectionne quelques éléments de terminologie qui constituent le noyau initiateur des connaissances). Le second module rassemble les trois procédures d'acquisition de nouveaux concepts. Celles-ci utilisent la connaissance acquise précédemment, tant sur le langage que sur le domaine. Le résultat est un réseau sémantique rassemblant les éléments de terminologie présents dans les textes analysés. Le système a été testé et évalué sur de gros corpus. Ces résultats ont conduit à sa prochaine industrialisation. De nombreux développements sont maintenant envisagés tels l'établissement automatique de taxonomie, ou l'analyse automatique des réseaux sémantiques afin d'en extraire la connaissance implicite.