Cette thèse s'inscrit dans le domaine du traitement automatique des langues, et concerne l'analyse sémantique de la structure du discours. Nous nous attachons plus particulièrement au problème de l'analyse thématique, qui vise l'étude de la structure des textes selon des critères relatifs à la répartition de leur contenu informationnel. Cette tâche revêt une importance capitale dans la perspective de l'accès assisté à l'information, qui constitue notre principale visée applicative. Le concept même de "thème" étant à la fois complexe et assez rarement considéré en tant qu'objet d'étude dans le domaine de la recherche d'information, la première partie du mémoire est consacrée à une vaste étude bibliographique autour des notions de thème, de topique, de sujet ou encore d'à propos, tant en linguistique qu'en sciences de l'information ou en traitement des langues. Nous en dégageons les lignes de force qui fondent notre approche du thème comme objet discursif, sémantique et structuré. Nous proposons sur cette base différents modèles et procédés s'attachant d'abord au traitement sémantique des documents géographiques, puis à l'analyse automatique des cadres de discours spatio-temporels au sens de Michel Charolles. Nous généralisons ces travaux en introduisant les notions de thème discursif composite et d'axe sémantique. Nous terminons en présentant LinguaStream, environnement d'expérimentation intégré que nous avons conçu pour faciliter l'élaboration de modèles linguistiques opérationnels, et qui nous conduit à proposer des principes méthodologiques originaux.

Dans un article récent sur les enjeux de la recherche d'informations, Belkin (2008) rappelle que la question de la personnalisation est annoncée comme majeure depuis une vingtaine d'années mais que la plupart des tentatives vers une étude systématique ont échoué. S'il n'est pas question de prétendre que les évaluations TREC Interactive puis TREC Hard et TREC ciQA, pour ne mentionner qu'elles, n'ont abouti à rien dans ce domaine, force est de constater que l'utilisateur n'intervient que très peu dans les systèmes de recherche de l'Internet et qu'aussi bien des paradigmes d'évaluation que des stratégies efficaces restent encore à trouver. <br /><br />Dans les différents chapitres qui constituent ce mémoire d'Habilitation, nous présentons trois directions vers une personnalisation de la recherche d'informations. La première correspond à une analyse du besoin en information d'un utilisateur qui permet de distinguer recherche documentaire et recherche de réponses précises sachant que celles-ci peuvent être des informations factuelles, des définitions ou des explications. Cette distinction correspond à celle entre Recherche d'informations (RI) et questions-réponses (QR) mais, pour être utilisables, les systèmes correspondants devront être fusionnés. En outre, il sera utile d'inciter l'utilisateur à changer ses habitudes pour laisser de côté les requêtes mots-clés et (re)venir à des requêtes en langue naturelle. Les solutions logicielles que nous avons développées ont été évaluées dans le cadre des campagnes TREC, CLEF et EQUER.<br /><br />La seconde direction que nous avons suivie est celle de l'aide à la navigation dans de grandes bases documentaires mélangeant fichiers audio et textes. Elle consiste à définir une interface homme-machine permettant un survol chronologique, par l'exploitation de méthodes de reconnaissance de la parole, d'indexation sémantique (LSI), de segmentation thématique et de résumé automatique (campagne d'évaluation DUC), des documents de la collection. Les techniques d'indexation en jeu n'exploitent pas la totalité des traits propres à l'audio (prosodie, hésitations...) et cela fera l'objet de travaux futurs. L'objectif étant de parvenir à des systèmes multimodaux dans lesquels les documents audio ne sont pas \textit{noyés} parmi des documents texte plus nombreux et plus verbeux.<br /><br />La troisième direction consiste à prendre en compte la capacité de lecture et d'écriture d'un utilisateur dans le calcul du score de pertinence d'un document vis à vis d'une requête. Les avancées les plus récentes de la technique et de l'imagerie médicale nous offrent des modélisations plausibles de nos fonctionnements cognitifs dont nous pouvons nous inspirer afin de simuler l'humain dans des domaines tels que le langage et la pensée. Nous nous sommes plus particulièrement intéressé aux modèles cognitifs de la lecture et à la tentative de les exploiter afin de définir des systèmes de recherche d'informations capables d'estimer l'effort nécessaire à la compréhension d'un document et d'être suffisamment robustes pour accepter des requêtes mal orthographiées. Les modèles de recherche d'informations usuels permettent d'ordonner des documents en fonction de la quantité d'informations qu'ils véhiculent vis à vis de ce que l'utilisateur a exprimé dans sa requête tout en tenant compte, dans le meilleur des cas, du taux de nouveautés apportées par rapport à d'autres documents déjà connus. Il s'agit d'une vision purement informationnelle de la pertinence posant l'hypothèse que plus le nombre d'informations nouvelles est grand, plus le document est susceptible d'intéresser l'utilisateur. Cela s'avère exact dans une certaine mesure mais ne tient pas compte du fait que les besoins sont différents suivant le niveau d'expertise de l'utilisateur : une personne novice dans un domaine sera certainement plus intéressée par un document de vulgarisation que par une étude approfondie, au vocabulaire et à la structure complexes. Cela est vrai à plus forte raison pour des personnes ayant des difficultés élevées de lecture tels les dylsexiques. Il s'agit alors de définir de nouvelles mesures prenant en compte cet aspect tout en offrant la possibilité de présenter d'abord les documents les plus "simples", les plus "lisibles".<br /><br />La problématique de la personnalisation et de la prise en compte de l'utilisateur en recherche d'informations renvoie naturellement à celle, bien plus large, des fondements du traitement automatique des langues, au croisement de la linguistique et de l'informatique, toutes deux rejointes par la psycholinguistique et la psychologie cognitive pour l'étude des comportements individuels, les neurosciences pour l'étude des racines physiologiques du langage mais aussi par la sémiologie pour des analyses globales des usages et des significations. Ce croisement pluridisciplinaire est un enjeu majeur des années à venir si l'on veut aller au-delà, pour paraphraser K. Sparck-Jones, de la seule étude permettant d'espérer (et encore ne s'agit-il que d'un espoir sans même être convaincu de la significativité des gains) grappiller quelques points de précision en recherche ad-hoc.<br /><br />Il va de soi que les recherches présentées correspondent à un travail d'équipe. Elles sont ainsi l'\oe uvre des activités conduites au LIA depuis septembre 2000, et notamment, en respectant l'ordre chronologique, celles de Laurent Gillard, Benoît Favre et Laurianne Sitbon dont j'ai co-encadrées les thèses de Doctorat avec Marc El-Bèze (Université d'Avignon et des Pays de Vaucluse), Jean-François Bonastre (Université d'Avignon et des Pays de Vaucluse) et Philippe Blache (CNRS et Université Aix-Marseille).

Rapport de recherche bibliographique DESS : Réseaux d'information et document électronique : Villeurbanne, ENSSIB : 2002.

Rapport de recherche bibliographique Diplôme d'études supérieures spécialisées : Ingénierie documentaire : Villeurbanne, ENSSIB : 2003. Rapport de recherche bibliographique Diplôme d'études supérieures spécialisées : Ingénierie documentaire : Lyon 1 : 2003.

Un système documentaire est modélisé par trois fonctions : la fonction d'indexation dont on étudie les hypothèses permettant l'indexation automatique. Une fonction de traduction des questions de l'utilisateur qui permet de définir la qualité de l'interface homme-système. Une fonction de pertinence qui permet de classer les documents en fonction des besoins documentaires de l'utilisateur. On étudie dans ce cadre le modèle booléen, le modèle vectoriel, et le modèle probabiliste. On évalue les perspectives offertes par le modèle hypertexte et l'approche connexionniste en informatique documentaire. Une application pratique est étudiée : la réalisation, suivant un modèle booléen de l'interface utilisateur du catalogue de la bibliothèque scientifique de l'université de Caen. On évalue ensuite les axes de recherche nouveaux en informatique documentaire au travers de trois axes de travail : les systèmes experts, l'auto-apprentissage et les modèles de représentation. La perspective des anté-serveurs intelligents est présentée, et une liste des fonctionnalités nécessaires au succès de ce type d'intermédiaire est établie.

Dans cette thèse, qui s'inscrit dans le contexte général de la recherche d'information sur la Toile, nous abordons le problème de l'indexation (thématique et non thématique) des pages. En particulier, nous nous intéressons à leur typologie. Nous proposons une méthode de caractérisation des pages comprenant deux étapes. La première, l'extraction de corpus homogènes, vise à rapprocher des pages partageant des caractéristiques communes. La seconde, l'affectation semi-automatique de métadonnées au sein de chaque corpus homogène, est basée sur la propagation : au départ, seule une faible proportion des ressources sont qualifiées manuellement, leurs informations sont ensuite propagées aux autres ressources. Au niveau méthodologique, l'extraction des corpus homogènes est fondée sur l'analyse des liens hypertextes. Plus précisément, elle utilise le principe de "co-sitation". Ce principe est la transposition sur le Web de la méthode des co-citations bien connue en scientométrie.

Depuis l’époque sumérienne (4ème – 3ème millénaire avant J.-C.), les bibliothèques ont su traiter les documents pour les mettre à la disposition des populations pour leur développement intellectuel, culturel, économique … Pour répondre aux besoins informationnels de toutes les couches socioprofessionnelles, elles ont pris diverses formes : nationale, publique, spécialisée, scolaire, universitaire … et cela, à travers tous les pays du monde.Avec la naissance du web et l’accès progressif des populations aux ressources en ligne, les partenaires techniques et financiers des pays africains ont commencé à aider ces derniers, dans la seconde moitié des années 90, à se connecter à Internet. Ce fut aussi le début de divers projets de création de télécentres en vue de vulgariser Internet et permettre l’accès des populations africaines à l’information pour leur développement. Ces nouvelles structures (communautaires ou privées) ont paru pour beaucoup comme la source d’accès à l’information. Dans ce contexte, les bibliothèques, aux ressources déjà maigres dans nos pays, ont paru comme des structures démodées, voire inutiles. Les professionnels de l’information documentaire ont alors commencé à s’interroger sur l’avenir de leur profession et des bibliothèques. Dans leur réflexion, Internet a été perçu tantôt comme une menace pour les bibliothèques, une technologie comme les autres, ou encore comme une opportunité à saisir pour valoriser leurs ressources et leur savoir-faire.Considérer Internet comme une opportunité exige cependant des bibliothécaires une nouvelle perception de leur mission, une nouvelle organisation du travail, de nouveaux produits et services, une nouvelle vision des relations avec le public. Cela exige surtout l’appropriation d’Internet et un rôle actif dans son usage afin de diffuser ses ressources, faciliter l’accès à celles des autres, promouvoir ses produits et services, diversifier, fidéliser et rendre autonomes ses utilisateurs dans la recherche et l’exploitation des ressources … Ainsi, se pose la question du rôle des bibliothèques dans le développement des usages et services Internet.Notre étude cherche dans le contexte malien, marqué par l’extrême pauvreté des bibliothèques, par l’échec quasi-total des télécentres, mais par un léger dynamise d’autres modes d’accès à Internet (connexion au bureau, à domicile, sur les appareils mobiles …) de déterminer, analyser et comprendre le rôle des bibliothèques maliennes dans le développement des usages et services Internet. Conduite auprès de 39 unités documentaires connectées à Internet, elle expose Internet au Mali (historique, stratégies, représentations, usages), analyse le rôle et le positionnement des bibliothèques dans la démocratisation de l’accès des usagers à Internet et aux ressources informationnelles. Elle essaie, enfin, de comprendre si les actions des bibliothèques en lien avec Internet s’inscrivent dans une stratégie claire et mûrie. / Since the Sumerian period (4th - 3rd millennium BC), libraries have been able to process documents in order to make them available to the population for their intellectual, cultural and economic development ... ¶ To meet the information needs of all the socio-professionnal strata, they have taken various forms: national, public, specialized, scolarly, academic ... and this, in all the countries of the world.¶¶ With the rise of the web and the progressive access of people to online resources, the technical and financial partners of African countries began to help them, in the second half of the 1990s, to connect to the Internet. ¶This was also the beginning of various projects to create telecentres in order to popularize the Internet and to enable African populations to access information for their development. ¶These new structures (community or private) have been seen by many as the only source of access to information. In this context, libraries, with already meager resources in our countries, have appeared as obsolete, even useless structures. ¶ Documentary information professionals then began to question the future of their profession and libraries. ¶ In their reflection, the Internet has sometimes been perceived as a threat to libraries, as a technology like any other, or as an opportunity to seize in order to develop their resources and their know-how.¶Considering the Internet as an opportunity, however, requires librarians a new perception of their mission, a new organization of work, new products and services, and a new vision of relations with the public. ¶ This requires especially the appropriation of Internet and an active role in its use in order to disseminate your resources, facilitate access to those of others, promote your products and services, diversify, retain and empower your users in research and exploitation of resources ... ¶ Thus, the question arises of the role of libraries in the development of Internet uses and services.¶ Our study seeks, in the Malian context, marked by the extreme poverty of libraries, by the almost total failure of telecentres, but by a slight dynamism of other modes of access to the Internet (connection at the office, home connection, connection on mobile devices ...) to determine, analyze and understand the role of Malian libraries in the development of Internet usage and services. Realized in 39 Internet-related documentary units, it exposes Internet Mali (history, strategies, representations, uses), analyzes the role and positioning of libraries in the democratization of Internet and information resources access. Finally, it tries to understand whether the actions of libraries in bond with Internet are part of a clear and mature strategy.

Em função do acelerado desenvolvimento tecnológico, do reconhecimento da informação como objeto de trabalho e de estudo da Biblioteconomia e da Documentação e do processo de \"cientifização\" destas áreas pela Ciência da Informação, faz-se necessário reorganizar o conhecimento. Sendo assim, a pesquisa centrou-se no tema da Informática Documentária, enquanto área que responde pela aplicação da Informática e das telecomunicações às diversas fases de produção, tratamento, armazenamento, recuperação e disseminação das informações documentárias. Para contextualizar o tema, é apresentado um quadro conceitual e histórico da Biblioteconomia, da Documentação e da Ciência da Informação. Em seguida, com o fim de efetivar uma sistematização dos aspectos teóricos e metodológicos da Informática Documentária, realiza-se uma investigação terminológica e de conteúdo das vertentes encontradas (produção nos idiomas inglês, espanhol e francês) e uma análise dos mercados decorrentes destas vertentes. A linha adotada para a pesquisa é a francesa representada pelo termo Informatique Documentaire. As diversas comparações realizadas apontam, principalmente se considerada a realidade brasileira, para a distinção entre automação dos serviços de bibliotecas e Informática Documentária, sendo esta marcada pela concretização informatizada do processo de indexação e de gerenciamento de tesauros. São apresentados aspectos históricos e conceituais que procuram explicar a delimitação entre os modelos francês e estadunidense. Discorre-se sobre a re-significação da atividade bibliotecária a partir de sua atual inserção nas atividades de produção de documentos/ informações documentárias. Conclui que a diversidade terminológica e de modelos de referência aponta para a primazia do modelo estadunidense, o qual é avaliado como fragmentado e funcionalista, necessitando ser revisto para que os desafios atuais sejam contemplados. Finalmente, ressalta-se que a apropriação de modelos de forma parcial e descontextualizada por culturas como a brasileira, deflagra ausência de acúmulo de conhecimento e explica, em certa medida, o baixo reconhecimento social do profissional bibliotecário, o atendimento insatisfatório das demandas e a dificuldade do mercado no preenchimento do quadro de ofertas. / À cause de l\'hâtif developpement technologique, de la reconaissance de l\'information comme le sujet de travail et de l\'étude de la Bibliothéconomie et de la Documentation, et du procès de la \"scientifisation\" de toutes cettes branches par les Sciences de l\'Information, il faudrait donc organiser toute la connaissance. Par conséquent, cette recherche-ci se plonge dans la branche de l\'Informatique Documentaire parce qu\'elle répond, par l\'application de l\'informatique et de la télécomunication, aux divers étapes de la production, du traitement, de l\'stockage, de la récupération et de la dissémination des informations documentaires. Pour mettre en contexte ce sujet, on présente un cadre conceptuel et historique de la Bibliothéconomie, de la Documentation et des Sciences de l\'Information. Ensuite dans le but d\'effectuer une systematisation des aspects théoriques et méthodologiques de l\'Informatique Documentaire, on realise une recherche términologique et des matières des branches trouvées (de la production en anglais, en espagnol et en français), et on fait aussi une analise des marchés resultés des ces branches. Le principe adopté par la recherche suit la branche française reflétée par l\'expression Informatique Documentaire. Les comparaisons réalisées signalent, surtout par rapport la réalité brésilienne, la distinction entre l\'automation des services des bibliothèques et l\'Informatique Documentaire, soyant celle-ci indiquée par la matérialisation informatisée du procès de l\'indexation et de la gestion du thésaurus. On présente des aspects historiques et conceptuels qui chercent à expliquer la délimitation entre les modèles français et étatsuniens. On examine la re-signification de l\'activité du bibliothécaire dès son actuel insertion dans les activités de production des documents/ informations documentaires. On en conclue que la diversité terminologique et des modèles de reférence signalent la primauté du modèle étatsunien, lequel est jugé comme fragmentaire et foctionnaliste, donc il faut qu\'il soit reévalué pour satisfaire aux actuels défis. À la fin, on en détache que l\'appropriation partiel des modèles et aussi hors du contexte par des cultures ainsi la brésilienne déclenche la manque de l\'accroissement, et ceci explique de cette façon la petite reconnaissance social du profissionel de la bibliothèque, la réponse insatisfaisante des exigences et la difficulté de remplir le marché de travail.

Cette thèse analyse les stratégies de traduction et l'acquisition de connaissances à partir d'entretiens et de questionnaires envoyés à des traducteurs techniques indépendants. L'objectif est de voir si les stratégies de traduction sont influencées par des facteurs que le traducteur peut plus ou moins maîtriser et si l'expérience, la formation en traduction et-ou dans un domaine et, les langues de travail jouent aussi un rôle. Il apparaît que la pression du temps influence la décision d'accepter ou de refuser une traduction et que sous cette pression, le traducteur ne consulte pas les mêmes documents, acquiert moins de connaissances et, passe moins de temps à l'archivage. Le manque de sources pose des problèmes aux traducteurs de langues peu répandues. La création terminologique, l'analyse du texte, l'aide de la source humaine et l'archivage des informations sont plus systématiques pour ces traducteurs que pour ceux de langues répandues. Le traducteur spécialisé attache moins d'importance à la technicité du texte de départ que celui sans spécialisation, achète plus de documents et évalue plus facilement le temps qu'il consacrera à la recherche documentaire. Les " jeunes " traducteurs voient un lien fort entre la technicité du texte et sa difficulté, préfèrent utiliser des sources donnant des réponses immédiates aux problèmes, consultent et achètent moins de sources sur support papier que les traducteurs expérimentés. Internet a marginalisé l'utilisation et les achats de sources sur support papier mais ne permet pas forcément de se spécialiser. Avec Internet, le client accorde des délais plus courts et les traducteurs acceptent de traduire des textes plus techniques.

Cette thèse analyse les stratégies de traduction et l’acquisition de connaissances à partir d’entretiens et de questionnaires envoyés à des traducteurs techniques indépendants. L’objectif est de voir si les stratégies de traduction sont influencées par des facteurs que le traducteur peut plus ou moins maîtriser et si l’expérience, la formation en traduction et-ou dans un domaine et, les langues de travail jouent aussi un rôle. Il apparaît que la pression du temps influence la décision d’accepter ou de refuser une traduction et que sous cette pression, le traducteur ne consulte pas les mêmes documents, acquiert moins de connaissances et, passe moins de temps à l’archivage. Le manque de sources pose des problèmes aux traducteurs de langues peu répandues. La création terminologique, l’analyse du texte, l’aide de la source humaine et l’archivage des informations sont plus systématiques pour ces traducteurs que pour ceux de langues répandues. Le traducteur spécialisé attache moins d’importance à la technicité du texte de départ que celui sans spécialisation, achète plus de documents et évalue plus facilement le temps qu’il consacrera à la recherche documentaire. Les « jeunes » traducteurs voient un lien fort entre la technicité du texte et sa difficulté, préfèrent utiliser des sources donnant des réponses immédiates aux problèmes, consultent et achètent moins de sources sur support papier que les traducteurs expérimentés. Internet a marginalisé l’utilisation et les achats de sources sur support papier mais ne permet pas forcément de se spécialiser. Avec Internet, le client accorde des délais plus courts et les traducteurs acceptent de traduire des textes plus techniques. / This thesis analyzes translation strategies and knowledge acquisition. It is based on interviews and questionnaires from a sample of freelance technical translators. The purpose is to investigate if translation strategies are influenced by factors translators can handle more or less, such as experience, training and working languages. It appears that time pressure has an influence on the decision to accept or refuse a translation. When under pressure, translators do not use the same documents, get less knowledge and spend less time storing information. The lack of documents is problematic for translators whose languages are rarely spoken and read in their working environment. They create more terms in the target language and analyze the source text more in-depth than translators of widespread languages ; they also get help from the human source and store information more often than translators of widespread languages. Specialized translators give more importance to the technicity of the source text than non-specialized translators ; they buy more documents and are more able to assess the time they will take to do documentary research. “Young” translators think there is a strong link between the technicity of the source text and its level of difficulty. They also prefer to directly use documents matching what they look for, use and buy less paper documents than experienced translators. Translators use and buy less paper documents, and accept to translate more technical texts than during the pre-Internet period. Clients also give them shorter deadlines than before.