Le volume de données disponible croît de manière très importante et ouvre d'importants défis pour les exploiter. Les domaines scientifiques du Web sémantique et des ontologies sont alors une réponse pour aider à traiter les données de manière efficace. Ainsi les ontologies sont actuellement devenues incontournables dans de nombreux domaines d'application pour représenter la connaissance experte.Le domaine que nous considérons dans nos travaux est celui des Interventions Non Médicamenteuses (INM) nommées Non-Pharmacological Interventions (NPIs) en anglais. Elles sont de plus en plus étudiées sur le plan scientifique. Elles sont liées à divers secteurs : psychologie, thérapies manuelles, nutrition, activités sportives adaptées, solutions e-santé, etc.Avec l'augmentation de leur usage, il devient de plus en plus nécessaire d'évaluer leur efficacité de manière scientifique, dans une démarche pilotée par des spécialistes et expliquée de manière claire et accessible aux utilisateurs. Pour ce faire, il est essentiel de disposer d'une classification évolutive et consensuelle effectuée au niveau international pour les spécialistes. Dans ce domaine, le développement d'une ontologie est crucial pour faciliter les recherches bibliographiques et mettre en place des bonnes pratiques.Dans nos travaux, nous nous sommes intéressés à deux enjeux majeurs liés à la construction d'une telle ontologie, d'une part comment effectuer la collecte du vocabulaire et d'autre part comment aider à la compréhension par visualisation.La construction manuelle de l'ontologie est en effet fastidieuse et longue. En particulier, la collecte des termes liés au domaine des INM nécessite beaucoup d'efforts et de temps tant le champ du vocabulaire est large. Ainsi le terme INM lui-même est parfois remplacé par d'autres (médecines alternatives, médecines douces, etc). Une méthode automatique ou semi-automatique est alors vue comme une aide importante pour la construction de la représentation de la connaissance.De plus, les ontologies sont parfois considérées comme difficiles à prendre en main pour les personnes non spécialistes de modélisation, en raison de leur complexité, de leur taille ou des propriétés et relations qu'elles incluent. Ainsi, un outil de visualisation doit être proposé pour les experts des INM. L'outil aura deux buts, d'une part visualiser l'ontologie existante, d'autre part proposer des modifications relatives à la structuration de l'ontologie qui doit se construire de manière collaborative.Des contributions sont proposées dans cette thèse sur ces deux sujets (construction du vocabulaire et visualisation). Deux approches sont présentées pour la construction, l'une reposant sur la connaissance experte et l'autre sur un corpus. Une mesure de similarité est introduite et évaluée. Pour la visualisation, notre proposition repose sur l'utilisation de cartes conceptuelles. Il s'agit alors de ré-écrire l'ontologie sous ce nouveau format et de proposer des outils permettant de distinguer les différents éléments et liens entre les éléments. Un outil a été implémenté, permettant de transformer les ontologies décrites en OWL pour les visualiser. / The explosion of data on the Internet leads to challenges in working with them. Semantic Web and ontology are required to address those problems. Nowadays, ontology plays more and more an important role as a means in domain knowledge representation.In recent years, Non-Pharmacological Interventions (NPIs) have attracted a lot of attention in the health care community. NPIs can no longer stop at a professional discipline to describe them (psychotherapy, manual therapy, dietary supplement, adapted physical activity, e-health solution, etc.). It requires access to a more concrete level of description where each NPI can be evaluated by science, monitored by professionals and explained to the patient. To do this, an international and evolutionary classification based on the results of science is necessary. Thus, developing an ontology for NPIs is crucial. This ontology will facilitate bibliographic research, usage statistics and the identification of good practices.Constructing this ontology manually is time consuming and thus an expensive process. Particularly, the step of collecting the NPI terminology requires much more time than the rest, because of heterogeneous and big resources in the context of NPIs. An automatic or semi-automatic method is thus essential to support NPI experts in this task.Besides, ontologies are often complex with lots of classes, properties and relationships. They are not easy to understand by domain experts. Therefore, a simple and friendly visualization of the ontology for NPI experts needs to be considered. The visualization does not only help NPI experts to easily understand the ontology but also provides support for the NPI ontology development process.In this thesis, we propose methodologies to address the aforementioned challenges. The first contribution concerns the semi-automatic process for collecting NPI terms. Two approaches, knowledge-based and corpus-based, are presented to retrieve candidate NPI terms. A new similarity measure for NPI is proposed and evaluated. The second contribution is a new method for ontology visualization based on MindMap. This work aims at providing a simple and friendly tool to visualize an ontology which is used by domain experts. We propose a MindMap-based notation for ontology visualization by transforming ontology components to MindMap elements. A web-based tool is then implemented to convert OWL ontologies to FreeMind documents which can be imported by existing Mind-Mapping applications to make visualizations.

L'objectif de cette thèse est de lever les verrous que constituent le manque de disponibilité de ressources ou d'outils TAL pour la langue arabe dans les domaines de spécialité en proposant des méthodes permettant l'extraction de termes à partir de textes en arabe standard moderne. Dans ce contexte, nous avons d'abord construit un corpus parallèle anglais-arabe dans un domaine de spécialité. Il s'agit d'un ensemble de textes médicaux produits par la bibliothèque nationale de médecine américaine (NLM). Par la suite, nous avons proposé des méthodes d'acquisition terminologique, permettant d'extraire des termes ou d'acquérir des relations entre ces termes, pour la langue arabe en se basant sur: i)adaptation d'un extracteur terminologique existant pour la languefrançaise ou anglaise, ii) l'exploitation de la translittération des termes anglais en caractères arabes et iii) l'application de la la notion de transfert translingue. Appliqué au niveau terminologique, le transfert consiste à mettre en œuvre un processus d'extraction de termes ou d'acquisition de relations entre termes sur des textes d'une langue source (ici, le français ou l'anglais) puis à transférer les informations extraites sur des textes d'une langue cible (ici, l’arabe standard moderne) pour ainsi identifier le même type d'informations terminologiques. Nous avons évalué les listes de termes monolingues et bilingues obtenues lors des différentes expériences que nous avons réalisées, suivant une méthode transparente, directe et semi-automatique: les termes candidats extraits sont confrontés à une terminologie de référence avant d'être vérifiés manuellement. Cette évaluation suit un protocole que nous avons proposé. / The goal of this thesis is to reduce the lack of available resources and NLP tools for Arabic language in specialised domains by proposing methods allowing the extraction of terms from texts in Modern Standard Arabic. In this context, we first constructed an English-Arabic parallel corous in a specific domain.It is a set of medical texts produced by the US National Library of Medicine (NLM). Thereafter, we have proposed terminological acquisition methods, toextract terms or acquire relations between these terms, for Arabic based on: i) the adaptation of an existing terminology extractor for French or English, ii) the transliteration of English terms in Arabic characters and iii) cross-lingual transfer. Applied at the terminological level, transfer aims to implement a process of term extraction or relationship acquisition between terms in the texts of a source language (here, French or English) and then to transfer the extracted information to target language texts (in this case, Modern Standard Arabic), thereby identifying the same type of terminologicalinformation. We have evaluated the monolingual and bilingual term lists that we have obtained by the experiments we carried out, according to a transparent, direct and semi-automatic method: the extracted term candidates are confronted with a reference terminology before being validated manually. This evaluation follows a protocol that we proposed.