Les échanges écrits représentent un vecteur d’informations stratégiques dont la bonne gestion influence l’activité des acteurs socioéconomiques. Le secteur industriel ne fait pas exception et doit pouvoir compter sur des professionnels formés pour communiquer à l’écrit de manière claire, transparente et cohérente. Notre thèse questionne les modalités de formation à l’écriture dans les filières universitaires technologiques accueillant des étudiants issus de baccalauréats professionnels. La recherche consiste à analyser les pratiques d’écriture des primo entrants dans l’enseignement supérieur puis à élaborer et expérimenter un système didactique capable de développer les compétences rédactionnelles des étudiants, en phase avec les besoins des entreprises du secteur industriel Production. Pour y parvenir, nous avons puisé dans les approches et les méthodes des champs disciplinaires de la linguistique appliquée, de l’ingénierie didactique, des sciences cognitives et des sciences sociales. De tels choix nous ont permis de mettre au point un système didactique multi-niveaux fondé sur la planification par objectifs. À travers un protocole expérimental de tests différenciés et par l’utilisation des méthodes de la linguistique de corpus outillée, il a été possible d’évaluer l’efficacité et la validité des différentes composantes du dispositif didactique conçu. Cette thèse permet d’ouvrir de nouveaux scénarios épistémologiques et méthodologiques à propos de la didactique de l’écrit et de la linguistique appliquée aux écrits professionnels, tout en proposant un panel d’outils d’enseignement innovants.

Le principal objectif de cette thèse est d’analyser des connecteurs interphrastiques du français et du chinois dans une perspective contrastive. Après avoir inventorié les connecteurs discursifs dans les deux langues, en nous fondant sur des études menées par des linguistes français et chinois, nous avons choisi d’analyser dans le détail trois connecteurs adverbiaux interphrastiques parmi les plus fréquents en français : pourtant (connecteur de concession), donc (connecteur de conséquence), finalement (connecteur de succession) et leurs équivalents chinois les plus courants, afin de mettre en évidence leurs caractéristiques sémantiques, syntaxiques et discursives dans les deux langues. Nous avons donc opté pour une analyse fonctionnelle globale de ces connecteurs.D’un point de vue méthodologique, l’étude s’appuie sur une démarche à la fois quantitative et qualitative. Nous avons utilisé deux types de corpus de taille importante : des corpus comparables et parallèles. Les corpus comparables sont composés des corpus journalistiques de l’Emobase en français et de BLCU Chinese Corpus (BCC) en chinois. Le corpus parallèle est issu de la plateforme multilingue Sketchengine.Cette thèse vise ainsi à contribuer à une meilleure compréhension du fonctionnement linguistique des connecteurs interphrastiques du français et du chinois. Elle pourrait constituer un matériau linguistique utile pour des recherches et des applications didactiques. La problématique de la thèse se situe au croisement de plusieurs domaines : linguistique textuelle, linguistique contrastive et linguistique de corpus, et elle accorde un intérêt particulier à l’organisation du texte.

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).

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.