Cette thèse vise à étudier les modèles neuronaux génératifs séquece-à-séquence et leurs applications notamment la traduction automatique et la description des images en langage naturel.

Le projet de thèse « Analyse automatique de micro-corpus d’opinion » s'inscrit dans une démarche marketing pour automatiser une approche ouverte de la communication stratégique issue des Sciences de la Communication. L'objectif dans un premier temps est de traiter une problématique d'analyse sémantique des sentiments exprimés par des publics cibles vis-à-vis d'un sujet dont on souhaite évaluer l'image de marque. Dans un second temps, une évaluation entre une image souhaitée et une image perçue sera abordée par comparaison des textes.

Le travail de thèse consiste en la réalisation de modèles et outils d’analyse sémantique pour l’exploitation de corpus d’entretiens réalisés par une société d’aide à l’innovation. Ces entretiens sont analysés afin de déterminer si un projet d’innovation répond ou non à plusieurs critères d’acceptabilité. L’automatisation de cette analyse, au-delà des difficultés d’ambiguïtés généralement rencontrées en analyse sémantique des opinions, doit permettre de traiter des contenus relevant d’une multitude de langues de spécialité. Il s’agira donc de réaliser des modèles et outils intégrant des procédés généraux de traitement automatique des langues (analyse syntaxique et sémantique) et des ontologies permettant d’intégrer différentes terminologies.

L’objectif de ce travail de recherche est d’identifier et d’interpréter les séquences récurrentes employées dans les romans de science-fiction en français et en anglais. La diversité des œuvres de science-fiction rend la définition de ce genre difficile. Cependant, il est possible d’identifier des caractéristiques communes à ces œuvres : sensation d’émerveillement ou de décalage devant les mondes décrits, le sense of wonder, création d’une encyclopédie propre à l’univers créé, distanciation cognitive. Nous pouvons nous demander si l’ensemble de ces éléments spécifiques ont une influence sur la phraséologie employée dans les romans de science-fiction. Plusieurs approches seront mises en œuvre : segments répétés, arbres lexico-syntaxiques récurrents et motifs. Une typologie des séquences récurrentes sera établie en fonction de leur rôle dans le texte : caractérisation du sous-genre sur un plan thématique, discursif et/ou stylistique.

Cette étude aborde la question des formules expressives, ainsi que le traitement phraséologique qui concerne ces unités. Nous aborderons la question de figement lexical et la non-compositionnalité sémantique des unités étudiées, tant sur les expressions simples que complexes; l’étude englobera en particulier les formules de politesse et les salutations à partir des tweets. Cette étude s’inscrira dans une optique sémantique et pragmatico-énonciative, l’objectif étant de déceler les effets de sens produits par ces combinaisons lexicales. L’analyse portera donc sur plusieurs pôles fondamentaux : les spécificités sémantiques et pragmatiques des pragmatèmes, le sémantisme des expressions polylexicales et l’ancrage situationnel.

L’étude des unités phraséologiques à fonction pragmatique (désormais UPP) suscite depuis un quart de siècle l’intérêt des chercheurs en sciences du langage. Ce champ relativement récent du domaine de la phraséologie s’applique à étudier la relation entre les unités phraséologiques et les fonctions pragmatiques et discursives spécifiques qui en découlent, tout en prenant en compte leurs conditions de production (contexte et enjeu de l’interaction, participants). L’objectif principal de ce champ d’études est de caractériser le lien qui existe entre le fonctionnement des UPP et l’ensemble des circonstances qui se produisent dans un acte de communication. Par exemple, des expressions telles que tu vas voir ce que tu vas voir ! (Acte de langage stéréotypé chez Kauffer 2017) ou il y a anguille sous roche (Routine conversationnelle chez Klein et Lamiroy 2016) ont un contenu propositionnel qui ne permet pas de rendre compte de la fonction pragmatique qui leur est liée, à savoir la menace pour le premier exemple et la suspicion pour deuxième exemple. Les questionnements récents sur la compétence de communication en didactique des langues étrangères ont grandement contribué à l’essor des études des UPP. Des questionnements tels que comment enseigner à un public d’apprenant les structures phraséologiques stéréotypées et dont l’usage répond à des principes culturels et communicatifs spécifiques ? ont donné lieu à de nombreux travaux visant à développer du matériel pédagogique pour faciliter l’appropriation de ces structures complexes chez l’apprenant. Cavalla (2009 : 1) mentionne que « L’enseignement de la phraséologie […] est actuellement au cœur de nos interrogations […] [Les] auteurs du Cadre Européen Commun de Référence pour les Langues, le CECRL (Conseil de l'Europe, 2001, p. 87), recommandent désormais l’enseignement de la phraséologie quasiment au même titre que le reste du lexique ». Il y a donc là tout un enjeu collaboratif et théorique entre les domaines de la linguistique et de la didactique des langues dans l’étude des phraséologismes à fonction pragmatique. Notre étude s’inscrit dans un projet bilatéral de recherche mené en cotutelle avec l’université de Tsukuba. Ce projet de recherche portera sur les UPP de l’interaction élicitée dans le cadre d’un groupe de discussion libre. Il sera porté une attention particulière aux expressions associées aux actes d’explication, d’argumentation, d’accord/désaccord, de modalisation et au marquage de subjectivité/intersubjectivité dans une perspective contrastive entre le français et le japonais. Dans un second temps, il sera mené une étude autour du corpus de production d’apprenant japonais du français. Il s’agira de tenter d’isoler et de modéliser les principales difficultés d’usage rencontrées pour proposer par la suite des pistes de remédiation aux vues des modélisations préalablement réalisées sur le corpus de locuteurs natifs.

Notre recherche vise à dévoiler les mécanismes cognitifs et les aspects culturels sous-jacents à la traduction des métaphores ainsi qu'à l'acquisition du langage métaphorique chez les apprenants sinophones du français. Comme les traducteurs assurent la communication entre les langues, ils sont constamment amenés à effectuer des «allers-retours» entre deux cultures, deux visions du monde ou deux systèmes conceptuels. Les étudiants en traduction constituent une catégorie particulière parmi les apprenants du français pour la formation qu'ils reçoivent et qui implique un va-et-vient constant entre les langues de travail. Nous cherchons donc à élucider les aspects cognitifs et culturels en jeu dans la traduction et la compréhension du langage métaphorique. Nous nous interrogeons également sur la corrélation entre la compétence métaphorique et la performance des traducteurs.

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.

Le travail de ce projet visent à modifier les architectures actuelles des systèmes de traduction automatique de la parole, passant du pipeline traditionnel sophistiqué de différents modules entraînés avec différents objectifs à un réseau de neurones profonds de bout-en-bout entraînés avec un seul objectif. Différentes architectures de bout-en-bout seront étudiées, telles que encoder-decoder basé sur RNN, encoder-decoder basé sur la convolution et transformer. Les architectures de bout en bout devraient non seulement réduire la complexité du système et, par conséquent, réduire le temps de entraînment, mais également réduire le coût de la collection de données en atténuant le besoin de transcription en langue source. Pour cette raison, ce projet étudie également une nouvelle méthodologie de collection de données pour la traduction automatique de la parole, qui donne une priorité moindre à la transcription dans la langue source, voire élimine totalement la transcription dans cette langue. Ce projet applique toutes les approches mentionnées principalement à trois paires de langues: anglais-français, pachto-français et tamacheq-français.