---

Les performances de traduction des systèmes statistiques dépendent considérablement de la qualité et de la quantité des données d apprentissage disponibles. Cependant, la plupart des corpus parallèles convenables et librement disponibles proviennent d organisations internationales (ONU, Parlement européen, etc.). En conséquence, le " style " de ces données d apprentissage n est pas très approprié pour construire un système de traduction adapté à des domaines particuliers. Nous présentons, alors, dans ce travail plusieurs techniques et approches pour adapter un système de traduction à un domaine différent spécifique pour lequel on dispose d une quantité raisonnable de données d apprentissage. Nous avons obtenu des améliorations significatives du score BLEU avec des systèmes de traduction " adaptés " de l anglais vers le fran‡ais.

---