Une des principales difficultés rencontrées par les Vietnamiens apprenants du français langue étrangère, une des plus résistantes aux enseignements de phonétique corrective, est la prononciation des groupes consonantiques intra- ou inter-syllabiques, intra- ou inter-mots du français. Quelles sont alors les véritables raisons de ces difficultés ? C'est à cette question que tente de répondre ce travail d'étude doctorale. La thèse aborde une problématique qui s'inscrit dans le cadre de recherches sur les capacités à percevoir les gestes de l'autre puisque des travaux récents montrent que la capacité à retrouver les caractéristiques du contrôle des gestes des articulateurs passe par la perception du signal qui encode ces gestes. Dans ce cadre théorique liant perception et action et à partir d'une comparaison des séquences consonantiques dans les deux langues en prenant en compte la notion de syllabe, il s'est agi d'identifier et expliquer un ensemble de facteurs acoustico-perceptifs et articulatoires responsables de la difficulté à réaliser les groupes consonantiques du français par des apprenants vietnamiens. La thèse propose un ensemble de résultats tout à fait intéressants qui sont discutés à la lumière des différentes théories et modèles d'acquisition des sons des langues étrangères. Ces résultats pourront trouver application dans le développement d'un outil de technologie éducative pour l'apprentissage du français par des Vietnamiens (et sur une échelle d'application plus large pour l'apprentissage des langues en général) capable de proposer des protocoles en phonétique corrective tels que stratégies de récupération des gestes (entraînements) et évaluation des performances des apprenants. / One of the main difficulties faced by Vietnamese learners of French as a foreign language, and one of the most resistant to repair through corrective phonetics, is the pronunciation of French consonant groups, whether within or across syllables or words. What are the real reasons for these difficulties? This study attempts to answer that question. The thesis addresses an issue raised by investigations on the capacity to perceive the others' gestures. In fact, recent works show that the ability to access the articulators' gestural control characteristics is mediated by the perception of the signal which encodes these gestures. In this theoretical framework linking perception and action, and through comparison of consonant sequences and syllable structures in both languages, this study identifies and explains a number of acoustic-perceptual and articulatory factors responsible for the difficulty of the French consonant groups for Vietnamese learners. The results of the study are discussed in light of different theories and models of sound acquisition of foreign languages. These results could be applied to the development of an educational technology tool for teaching French to the Vietnamese (or more broadly for language learning in general), a tool which could propose corrective phonetics strategies (such as gestural recovery training) and performance assessment of learners.