Cette recherche aborde l’étude d’un sous-ensemble de formules expressives de la conversation (FEC) (tu parles, à quoi bon, c’est bon, ça m’étonne) appréhendées sous l’angle de leur analyse et leur description syntaxique, sémantique, pragmatique et discursive. Cette étude permet d’examiner des questions complexes telles que la terminologie choisie, les valeurs sémantiques, le comportement syntaxique, le rôle du contexte ou les fonctionnements pragmatiques. Nous nous proposons aussi de réfléchir sur le statut des FEC dans la lexicographie, ce qui permet de mieux approfondir leur description par rapport à ce que proposent les dictionnaires généraux et spécialisés.Nous avons mené cette étude en quatre temps. Tout d’abord, sur le plan théorique, nous avons présenté une synthèse des travaux existants en montrant les difficultés de nature terminologique et définitoire liées à ce phénomène linguistique pour lequel une délimitation s’impose. Pour notre part, nous avons choisi le terme formule expressive et nous avons justifié notre choix à travers la sélection des critères permettant de circonscrire cette notion. Par la suite, du point de vue méthodologique, l’étude se situe dans l'approche de la linguistique de corpus dans une démarche qualitative et quantitative. Elle s’appuie sur des corpus envisagés dans plusieurs cadres : l'écrit (littérature — tweets) et l’oral (Orféo). Après avoir présenté le cadre théorique et méthodologique, nous avons procédé à l’étude concrète à travers l’analyse discursive des FEC dans deux sous-corpus différents. L’objectif primordial de cette étude est d’aboutir à des critères bien déterminés limitant cette sous-classe de phraséologismes pragmatique par rapport aux autres sous-types proposés par les chercheurs dans ce domaine linguistique. Finalement, nous avons proposé le traitement lexicographique de certaines formules sélectionnées dans le cadre du projet Polonium. L’enjeu est ici d’aboutir à un modèle lexicographique fonctionnel pour le traitement lexicographique des FEC.Nous pensons être parvenue à réaliser les enjeux que nous nous étions fixés au départ. Par une analyse discursive des FEC dans le texte, nous avons voulu affiner les traits définitoires et d’opter pour une définition exhaustive de ce sous-ensemble. Par l’examen de leur statut dans le domaine de la lexicographie, nous avons retenu une méthode descriptive détaillée et prometteuse des FEC.

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.

L'apprentissage profond a permis des avancées significatives dans le domaine de la traduction automatique.La traduction automatique neuronale (NMT) s'appuie sur l'entrainement de réseaux de neurones avec un grand nombre de paramètres sur une grand quantité de données parallèles pour apprendre à traduire d'une langue à une autre.Un facteur primordial dans le succès des systèmes NMT est la capacité de concevoir des architectures puissantes et efficaces. Les systèmes de pointe sont des modèles encodeur-décodeurs qui, d'abord, encodent une séquence source sous forme de vecteurs de caractéristiques, puis décodent de façon conditionne la séquence cible.Dans cette thèse, nous remettons en question le paradigme encodeur-décodeur et préconisons de conjointement encoder la source et la cible afin que les deux séquences interagissent à des niveaux d'abstraction croissants. À cette fin, nous introduisons Pervasive Attention, un modèle basé sur des convolutions bidimensionnelles qui encodent conjointement les séquences source et cible avec des interactions qui sont omniprésentes dans le réseau neuronal.Pour améliorer l'efficacité des systèmes NMT, nous étudions la traduction automatique simultanée où la source est lue de manière incrémentielle et le décodeur est alimenté en contextes partiels afin que le modèle puisse alterner entre lecture et écriture. Nous améliorons les agents déterministes qui guident l'alternance lecture / écriture à travers un chemin de décodage rigide et introduisons de nouveaux agents dynamiques pour estimer un chemin de décodage adapté au cas-par-cas.Nous abordons également l'efficacité computationnelle des modèles NMT et affirmons qu'ajouter plus de couches à un réseau de neurones n'est pas requis pour tous les cas.Nous concevons des décodeurs Transformer qui peuvent émettre des prédictions à tout moment dotés de mécanismes d'arrêt adaptatifs pour allouer des ressources en fonction de la complexité de l'instance.

Étude phraséologique s’inscrivant dans les domaines de la linguistique de corpus outillée et des humanités numériques, cette recherche vise à mettre au jour un usage des marqueurs discursifs – alors considérés comme des unités phraséologiques – caractéristique au genre épistolaire en français sur une période longue (du XVIIe au XXe siècle).

La théorie de la métaphore conceptuelle (Lakoff & Johnson, 1980) a fait passer notre conception des expressions métaphoriques d’un phénomène linguistique à un aperçu de des moyens que se donne la langue pour faciliter et influencer la compréhension. Néanmoins, la traductologie a continué à traiter les expressions métaphoriques comme une problème linguistique (Baker, 1992; Haywood, Thompson, & Hervey, 2009; Hervey & Higgins, 2002) et ce n’est que récemment que la métaphore conceptuelle y a été intégrée (Aldhahi, Fernández-Parra, & Davies, 2018; Maalej, 2008; Mandelblit, 1995; Schaffner, 2004). Les expressions métaphoriques renferment des informations culturelles (Hiraga, 1991; Maalej, 2008) dont la compréhension représente souvent un défi pour les étudiants de langues, les traducteurs en formation et la traduction automatique. Pour les étudiants de L2 et de traduction les métaphores sont difficiles car elle se comprennent souvent de manière holistique et ne sont pas décomposables en unités individuelles (mots ou expressions) qui permettraient de les comprendre (Jiang & Nekrovska, 2007). L’introduction des outils de traduction automatique neuronale a permis un gain qualitatif important (Poibeau, 2017), mais ils tendent à suivre le sens propre, qui est le plus fréquent dans les données d’apprentissage, au lieu du sens figuré, ce qui limite leur utilité pour la traduction des métaphores. Cette étude vise à identifier les types d’expressions métaphoriques qui existent dans les textes journalistiques portant sur un sujet fréquemment abordé et lié à l’expression du déplacement (l’immigration), et les stratégies utilisées par des traducteurs professionnels pour en rendre compte. Notre travail a pour point de départ une analyse des produits de traduction, en tant qu’elle pourra faciliter une interrogation plus ciblée des processus de traduction. Le choix des expressions comportant des verbes de mouvement se fonde à la fois sur le caractère fondamental et central de ces expressions au sein de la linguistique cognitive (qui en fait un bon point de départ pour l’expression non littérale) et sur la différence typologique avérée entre l’anglais, comme langue à satellites, le français et l’espagnol, comme langues à cadre verbal (Talmy, 2003), ce qui implique a minima une reformulation au moment de la traduction. En s’appuyant sur une comparaison entre traducteurs professionnels et étudiants en traduction, la question de savoir si, et en quoi la formation en traduction aide à développer la compétence en L2 sera abordée. Finalement la traduction automatique sera interrogée pour découvrir si ces outils aident ou gênent en la traduction des expressions métaphoriques. Pour répondre à ces questions ce travail s’ancre dans l’analyse de textes journalistiques sur l’immigration, traduits du français et de l’espagnol vers l’anglais. Le méthode MIP (Pragglejaz Group, 2007) sera utilisée pour identifier les expressions métaphoriques avec des verbes de mouvement et selon l’Hypothèse de la Traduction Cognitive (Mandelblit, 1995), ces expressions seront classées en fonction de leur niveau de comparabilité ou d’équivalence fonctionnelle avec la culture cible. Les traductions publiées seront interrogées pour identifier les stratégies utilisées par les traducteurs professionnels (Mandelblit, 1995; Newmark, 1981) en sachant que l’analyse des textes ne révèle pas le processus de traduction, mais simplement les décisions finales prises, et des échantillons des même textes seront ensuite traduits par des étudiants de traduction pour trouver une typologie des différences d’approche de ces expressions entres les professionnels et les étudiants. Trois tâches seront proposées à quatre groups : des étudiants de licence en langues, des étudiants de licence et de Master en traduction et des traducteurs professionnels. Chaque participant va faire des tâches de compréhension écrite, de traduction et de post-édition. L’interrogation des résultats de la tâche de compréhension écrite signaleront l’effet de la formation en traduction sur les compétences linguistiques et surtout sur la compréhension des expressions métaphoriques. Les deux groups appariés, les étudiants de licence en langues et en traduction permettront déduire si la formation en traduction améliore la compréhension écrite en L2. Pour explorer l’utilité de la TA dans la traduction des expressions métaphoriques, l’oculométrie et des entretiens proposés après la tâche (protocoles de verbalisation) montreront la perception des participants de la difficulté de la tâche et de l’utilité de l’outil, ainsi que les parties du texte sur lesquelles ils auront passé le plus de temps. Ces données permettront d’établir si les expressions métaphoriques ont pris plus de temps que le reste du texte, et le cas échéant, s’il existe une échelle de difficulté au sein des expressions proposées. Les traductions produites par les groupes différents ; étudiants en langues, étudiants de traduction et traducteurs professionnels, s’utiliseront pour identifier une typologie des différences d’approche de ces groupes. Les résultats signaleront des expressions métaphoriques qui représentent un défi pour les étudiants de langue et les traducteurs, défi dont les formateurs pourront s’inspirer pour l’élaboration de programmes de cours. En outre, si la formation en traduction a un effet important sur les compétences en langue seconde, cela remettra en jeu l’importance de la traduction dans des cours des langues (Carreres, 2006; Carreres, Muñoz-Calvo, & Noriega-Sánchez, 2017). Pour les formateurs en post-édition, les résultats délimiteront des types d’expression qui posent problème pour la TA neuronale. Enfin, le projet contribuera à l’élaboration d’une typologie des expressions métaphoriques du mouvement en traduction du français et de l’espagnol vers l’anglais, exploitable dans plusieurs champs de la traductologie appliquée.

Only in english

Une tâche importante qui incombe à l’enfant est de reconnaître puis de mémoriser les mots qui lui parviennent dans le flux de la parole environnante, afin de les utiliser dans ses propres énoncés. Confronté à un flux continu de parole, le jeune enfant doit donc en extraire des unités porteuses d’une forme et effectuer ce qu’on appelle segmentation lexicale. Le but de cette thèse est d’approfondir plusieurs aspects du processus de segmentation par des simulations computationnelles fondées sur des méthodes d’apprentissage machine non supervisé appliquées à des corpus langagiers de grande taille. Nous analyserons l’émergence du lexique en contexte, via le traitement non supervisé de grands corpus de parole en relation avec des scènes visuelles. Des modèles computationnels pour l’acquisition du lexique ont déjà été proposés mais ils sont le plus souvent limités au traitement des séquence de symboles (séquences de phonèmes issues d’une transcription manuelle des signaux enregistrés). La première originalité de cette thèse est la proposition de modèles applicables directement sur le signal de parole. Pour cela, nous convoquerons les avancées récentes de l’apprentissage profond (architectures neuronales de type « encodeur-décodeur» ou « end-to-end »). La seconde originalité de cette thèse est la volonté d’étudier l’émergence du lexique à partir d’un contexte. A cette fin, nous nous appuierons sur des corpus multimodaux préexistants, particulièrement le corpus synthétique SPEECH-COCO constitué de plus de 600.000 scènes visuelles décrites oralement ainsi que sur le corpus DylNet, collecté lors d’interactions d’enfants à l’école maternelle.

Notre projet de thèse cherche à observer les routines sémantico-rhétoriques dans le discours scientifique oral en français, dont nous souhaitons faire la description et analyser les fonctions rhétoriques et/ou discursives spécifiques. Ensuite, parmi les différents types de routines, nous nous intéressons tout particulièrement à la modélisation de routines de « guidage de l’interlocuteur », qui ont fonction d’assurer un bon suivi du développement logique des idées du locuteur et de faciliter la compréhension des informations et des points de vue adoptés par le locuteur chez les interlocuteurs dans la communication scientifique, ce qui nous permettrait de mettre en comparaison les routines de guidage du lecteur dans le discours écrit et les routines de l’auditeur dans le discours oral.

Cette recherche vise à étudier les expressions d'émotions afin de mettre en avant des motifs textuels, notions développées au laboratoire LIDILEM (projets EMOLEX et PHRASEOROM). Pour cela, nous récolterons des données issues du roman policier et sentimental en français et en thaï.