Cette thèse a pour objet la création d’un modèle théorique à destination de l’éthologie se présentant sous forme de grilles de lecture et de collection d’outils issus de la linguistique et de la sémiotique humaines. La finalité de ce modèle est de permettre l’étude zoosémiotique des émotions complexes au sein du règne animal. Il s’agit d’un travail pluridisciplinaire, interdisciplinaire et interthéoriciste, employant un corpus multimodal composé à la fois de textes théoriques linguistiques, d’études éthologiques et de supports multimédias, notamment des supports vidéo. Ce travail a été pensé dans un contexte d’absence de modèle théorique interdisciplinaire permettant l’étude de l’émotion animale, dans le but de permettre aux domaines des sciences du vivant et des sciences du langage de collaborer. Pour ce faire, il élabore tout d’abord un cadre théorique complet permettant une bonne entente des deux disciplines et revient sur tous les aspects essentiels (histoire, lexique, courant, idéologie, controverse). Par la suite, il présente le modèle théorique en explicitant sa construction et en donnant des exemples d’application. Dans la dernière partie la théorie est mise à l’épreuve par confrontation avec les données déjà existantes et approuvées par les éthologues. Cette partie permet de lister les forces et faiblesses du modèle, ainsi que les pistes de recherche, d’application et de réflexion qu’il ouvre au sujet de la sensibilité et de l’émotion animales. / This PhD thesis’ object is the creation of a theoretical model for ethology. It is made of a collection of linguistics and human semiotics tools, organized into reading grids. This model’s aim is to allow the zoosemiotic study of complex emotions in animal kingdom. It’s a pluridisciplinary, interdisciplinary and intertheorist work with a multimodal corpus – including theoretical linguistics texts, ethology studies and multimedia contents, like videos. This work was created in a context of lack of interdisciplinary theoretical model. It was conceived with the aim of allow collaboration between life sciences and language sciences. To do so, we start first by building a complete theoretical frame for a good understanding between both disciplines. It goes over every main aspects – history, lexicology, schools, ideology, argument. Then, the theoretical model is introduced by explicating its construction and giving application examples. In the last part of the thesis, the theoretical model is tested by confrontation with existing and approved by ethologists datas. This part allows us to present strengths and weakness of the model – as well as lines of thought, research and application it opens.

Les performances des systèmes de traduction automatique statistique dépendent de la disponibilité de textes parallèles bilingues, appelés aussi bitextes. Cependant, les textes parallèles librement disponibles sont aussi des ressources rares : la taille est souvent limitée, la couverture linguistique insuffisante ou le domaine des textes n’est pas approprié. Il y a relativement peu de paires de langues pour lesquelles des corpus parallèles de tailles raisonnables sont disponibles pour certains domaines. L’une des façons pour pallier au manque de données parallèles est d’exploiter les corpus comparables qui sont plus abondants. Les travaux précédents dans ce domaine n’ont été appliqués que pour la modalité texte. La question que nous nous sommes posée durant cette thèse est de savoir si un corpus comparable multimodal permet d’apporter des solutions au manque de données parallèles dans le domaine de la traduction automatique.Dans cette thèse, nous avons étudié comment utiliser des ressources provenant de différentes modalités (texte ou parole) pour le développement d’un système de traduction automatique statistique. Une première partie des contributions consisteà proposer une technique pour l’extraction des données parallèles à partir d’un corpus comparable multimodal (audio et texte). Les enregistrements sont transcrits avec un système de reconnaissance automatique de la parole et traduits avec unsystème de traduction automatique. Ces traductions sont ensuite utilisées comme requêtes d’un système de recherche d’information pour sélectionner des phrases parallèles sans erreur et générer un bitexte. Dans la deuxième partie des contributions, nous visons l’amélioration de notre méthode en exploitant les entités sous-phrastiques créant ainsi une extension à notre système en vue de générer des segments parallèles. Nous améliorons aussi le module de filtrage. Enfin, nous présentons plusieurs manières d’aborder l’adaptation des systèmes de traduction avec les données extraites.Nos expériences ont été menées sur les données des sites web TED et Euronews qui montrent la faisabilité de nos approches. / The performance of Statistical Machine Translation Systems statistics depends on the availability of bilingual parallel texts, also known as bitexts. However, freely available parallel texts are also a sparse resource : the size is often limited, languistic coverage insufficient or the domain of texts is not appropriate. There are relatively few pairs of languages for which parallel corpora sizes are available for some domains. One way to overcome the lack of parallel data is to exploit comparable corpus that are more abundant. Previous work in this area have been applied for the text modality. The question we asked in this thesis is : can comparable multimodal corpus allows us to make solutions to the lack of parallel data in machine translation? In this thesis, we studied how to use resources from different modalities (text or speech) for the development of a Statistical machine translation System. The first part of the contributions is to provide a method for extracting parallel data from a comparable multimodal corpus (text and audio). The audio data are transcribed with an automatic speech recognition system and translated with a machine translation system. These translations are then used as queries to select parallel sentences and generate a bitext. In the second part of the contribution, we aim to improve our method to exploit the sub-sentential entities creating an extension of our system to generate parallel segments. We also improve the filtering module. Finally, we présent several approaches to adapt translation systems with the extracted data. Our experiments were conducted on data from the TED and Euronews web sites which show the feasibility of our approaches.