Добірка наукової літератури з теми "Apprentissage à partir de peu d’exemples"

Assez peu abordée par la communauté scientifique, la stratégie des distributeurs et particulièrement des distributeurs de grande consommation, commence à fournir un large champ de réflexion et de recherche. La réussite exemplaire de certains groupes, notamment français, y est pour beaucoup. A partir d’exemples, cet article propose un panorama des stratégies adoptées dans ce domaine. En somme, une petite révision des termes et concepts de stratégie.

Le synode sur la synodalité invite à mieux cerner la pratique du consensus ecclésial dans les diverses communautés chrétiennes. Certains documents laissent entendre que la vision orthodoxe de la synodalité concerne exclusivement l’exercice de l’autorité épiscopale. Or, il y a presque autant de pratiques synodales que d’Églises locales. L’article se propose de revisiter l’évolution de ces pratiques dans la sphère orthodoxe à partir de trois moments historiques. L’encyclique des patriarches d’Orient rédigée en 1848, le concile de Moscou convoqué en 1917 et le Grand Concile panorthodoxe réuni en 2016 sont autant d’exemples de la résonnance de la notion de conciliarité – fondée sur le sacerdoce royal de tout baptisé – avec les transformations culturelles et politiques de l’époque. Observer les signes des temps servirait à orienter une synodalité en recherche pour l’ensemble des chrétiens.

Cet article propose un compte-rendu un peu particulier de Jouer. Étude anthropologique à partir d’exemples sibériens, publié par Roberte Hamayon en 2012. Après avoir rappelé la démarche et les principaux apports de Jouer, il tente d’évaluer la portée du « jouer » en tant que nouvelle catégorie anthropologique qui pousse à repenser des pratiques à partir d’une nouvelle dimension, celle du « jouer » comme mode spécifique d’action dans le monde. Confrontant le « jouer » au cas des pratiques divinatoires, j’examine son impact à l’aune de mon travail de terrain sur la divination chinoise et jusque dans des développements théoriques en anthropologie cognitive. À partir d’exemples concrets tirés de mes recherches dans un domaine distinct du jeu, j’explore ce que l’affinité entre jeu et divination nous apprend sur la divination, en particulier sur des aspects qui sont difficiles à comprendre autrement qu’en référence aux différentes dimensions du « jouer » mises en évidence par R. Hamayon. Les notions de « cadre de jeu », de « métaphore » et de « sanction interne » ouvrent de nouvelles pistes de recherche pour étudier les pratiques divinatoires en tant que lieux d’activités cognitives de raisonnement, de catégorisation et de prise de décision.

La recherche sur les pratiques picturales de Léonard de Vinci a bénéficié d’une nouvelle technique d’analyse non invasive devenue, par le biais des développements informatiques, une technique d’imagerie : la cartographie de fluorescence X. Les apports de cette technique seront illustrés à partir d’exemples nous informant sur la genèse des œuvres, la connaissance de la palette, l’analyse des motifs de la composition souvent devenus peu lisibles en raison du vieillissement de la matière, ainsi que la technique de réalisation des carnations. Nous tenterons ainsi d’esquisser une évolution des pratiques du maître.

Le Mouvement international « Aide à toute détresse » (ATD) travaille avec les sous-prolétaires et tente de les mobiliser contre l’exclusion qu’ils subissent. Deux types d’action, en particulier, s’inscrivent dans un processus d’éducation populaire du Quart-monde : les « pivots culturels » et les « soirées du Quart-monde ». Dans le premier cas, il s’agit de rassembler des familles d’un même quartier à partir d’une action éducative avec leurs enfants. Ce lieu de rencontre est « culturel » dans le sens où s’y déroulent diverses activités de lecture, d’artisanat, de musique, de danse, etc. Les enfants, et à travers eux les familles, y font un double apprentissage de socialisation et de connaissances. Dans le second cas, des sous-prolétaires se rassemblent pour lutter contre l’enfermement qu’ils subissent en faisant l’apprentissage de la prise de parole, de l’expression collective de leur dynamisme et de leur compétence. Ces interventions sont enregistrées et constituent un vaste recueil de paroles d’un peuple condamné au silence et qui, ainsi, sort peu à peu de son isolement.

Partant du constat que les administrations dans les mondes arabes sont omniprésentes et pourtant peu étudiées, cet article plaide qu’elles (re)deviennent un objet et un sujet de recherche à part entière. Après avoir montré qu’elles ont été des objets de recherches historiques et discuté certains enjeux méthodologiques de leur construction en objets d’investigation politologique, deux grandes pistes de recherche sont proposées à partir d’exemples tirés de deux enquêtes en cours, l’une sur l’administration hospitalière au Maroc et l’autre sur le logement social en Algérie. La première piste est « matérialiste » et invite à investiguer la matérialité des administrations et des configurations spatiales. La seconde est la piste de l’énonciation destinée à mettre en évidence les ressorts de la critique ordinaire en s’intéressant à ce qui se dit autour et aux guichets et ce que cela produit comme interprétations et jugements sur les relations à l’État.

Résumé La psychologie cognitive, telle qu’elle a évolué depuis ses origines dans les années 1960 considère aujourd’hui les « figures de style » non pas comme une forme de maniérisme mais comme un mode de pensée. Chargé d’enseigner la traduction technique du grec moderne vers le français au Département de langues étrangères, de traduction et d’interprétation de l’Université ionienne de Corfou (Grèce) à des étudiants de langue maternelle grecque, je me suis souvent heurté à des problèmes de traduction de métaphores. J’aimerais essayer de démontrer à partir d’exemples iconographiques que la métaphore n’est pas une affaire de style mais une forme de pensée destinée à accrocher le lecteur et à ajouter un peu de piquant dans le discours. Malheureusement, en traduction les métaphores posent de sérieux problèmes car elles n’ont pas la même acuité d’une culture à une autre et d’une langue à une autre et la consultation d’un dictionnaire bilingue n’est pas de grande utilité quand les métaphores vives dans la langue source deviennent obtuses une fois traduites au point que le traducteur doit avoir recours à des clichés. Quel travail ingrat !

Généraliser est un processus essentiel de l’activité mathématique. Son apprentissage au primaire et au secondaire ne va pas de soi. Souvent, les élèves construisent en actes des généralités à l’insu de l’enseignant. Ces généralités peuvent être vraies ou fausses sans qu’elles soient questionnées par l’élève et par l’enseignant. Nous faisons l’hypothèse que ce processus est faiblement développé chez les élèves de l’école primaire et secondaire. Pour la vérifier, nous avons mené une recherche auprès d’un échantillon composé de 76 étudiants inscrits dans un programme universitaire de premier cycle et ayant suivi majoritairement une formation au secondaire non spécialisée en mathématiques. Nous leur avons soumis le problème suivant: Si n est un entier naturel, le nombre n2 + n + 41 est-il, 1) toujours premier? 2) quelquefois premier? ou jamais premier? Justifiez votre réponse. L’analyse des réponses porte sur la nature arithmétique ou algébrique de la généralisation ainsi que sur la qualité des justifications. Nos résultats montrent que 75% des répondants manifestent une généralisation à tendance arithmétique: la généralisation est formulée à partir de quelques essais numériques. Alors que 25 % des réponses manifeste des généralisations à tendance algébrique: la généralisation est formulée à partir d’une analyse de la structure syntaxique de l’expression n2 + n + 41. Ces résultats pointent selon nous une lacune importante de l’enseignement des mathématiques à l’école primaire et secondaire.

La formation professionnelle des artistes s'est profondément transformée au cours du XXe siècle, le changement le plus marquant étant le passage généralisé des modes de formation traditionnels, autodidaxie et apprentissage, au mode contemporain caractérisé par la formation dans des établissements spécialisés qui décernent des diplômes. Cette transformation s'est opérée dans le cadre plus vaste de l'institutionnalisation des pratiques artistiques, qui s'est manifestée notamment par la création de lieux de création et de diffusion, d'établissements spécialisés dans la formation d'artistes a suivi et non pas précédé l'apparition des lieux de création et de diffusion. À partir d'informations recueillies auprès d'un échantillon de 1 471 artistes membres de 11 associations professionnelles différentes, nous montrons que cette séquence a eu pour premier effet de réduire la formation artistique. On est ainsi passé d'une période où les artistes, peu nombreux, entreprenaient leur carrière après avoir reçu une formation artistique à une période où, la demande de travail croissant plus vite que l'offre de formation, les artistes ont entrepris leur carrière sans nécessairement avoir reçu de formation. Le niveau de formation moyen qui existait au début du siècle n'a été atteint à nouveau qu'après la création d'établissements voués à la formation professionnelle des artistes.

Contexte : Les réformes selon l’approche par compétences (APC) des formations en santé sont peu documentées dans leur mise en œuvre. Or l’APC nécessite une révision de l’ingénierie pédagogique et des apprentissages spécifiques pour les coordinateurs et enseignants. Se pose alors la question des stratégies mobilisées pour conduire le changement pédagogique. But : Analyser les effets d’une stratégie de changement initiée par un individu-tercéisateur pour la mise en œuvre de l’APC dans un institut de formation initiale en ostéopathie, à travers l’évolution des conceptions des coordinateurs. Proposer un cadre de lecture pour conduire et analyser les changements pédagogiques. Méthodes : Cette étude qualitative s’inscrit dans une épistémologie constructiviste pragmatique et rejoint le cadre de l’éthique des curriculums en santé. Quatre coordinateurs pédagogiques ont participé à l’élaboration de cartes conceptuelles pour suivre l’évolution de leurs conceptions. Trois d’entre eux ont participé à des productions pédagogiques et activités réflexives issues des recommandations sur l’APC : élaboration d’un référentiel, révision d’enseignements et d’outils évaluation. Résultats : Les cartes conceptuelles attestent d’un apprentissage de deux des coordinateurs vers l’APC. Cet apprentissage s’est opéré par une acculturation à partir d’objets-frontières. Les cartes conceptuelles, les activités réflexives proposées à des niveaux individuels, collectifs et institutionnels de même que l’action de l’individu-tercéisateur sont rapportées par les participants comme ayant soutenu l’apprentissage et le changement. Conclusion : L’étude permet de proposer des éléments clés de la stratégie de changement pour son transfert à d’autres contextes de formation. Individus-tercéisateurs, objets-frontières et acculturation constituent une perspective intéressante pour amorcer un changement curriculaire dans des structures de formation en santé qui ne rassembleraient pas toutes les conditions et ressources considérées comme porteuses dans la littérature, ou qui souhaiteraient faire de la formation pédagogique suivie par l’un de leurs enseignants une opportunité de changement.

L’analyse automatique d’images a permis d’améliorer l’exploitation des capteurs d’image, avec des données qui proviennent de différents capteurs tels que des caméras de téléphone, des caméras de surveillance, des imageurs satellites ou encore des drones. L’apprentissage profond obtient d’excellents résultats dans les applications d’analyse d’images où de grandes quantités de données annotées sont disponibles, mais apprendre un nouveau classifieur d’images à partir de zéro est une tâche difficile. La plupart des méthodes de classification d’images sont supervisées, nécessitant des annotations, ce qui représente un investissement important. Différentes solutions d’apprentissage frugal (avec peu d’exemples annotés) existent, notamment l’apprentissage par transfert, l’apprentissage actif, l’apprentissage semi-supervisé ou bien le méta-apprentissage. L’objectif de cette thèse est d’étudier ces solutions d’apprentissage frugal pour des tâches de reconnaissance visuelle, notamment la classification d’images et la détection des changements dans des images satellites. Ainsi, le classifieur est entraîné de façon itérative en commençant avec très peu de données, et en demandant à l’utilisateur d’annoter le moins possible de données pour obtenir des performances satisfaisantes. L’apprentissage actif profond a été étudié initialement avec d’autres méthodes et nous a semblé le plus adapté à notre problématique métier, nous avons donc privilégié cette solution. Nous avons développé dans cette thèse une première approche interactive, où nous posons les questions les plus informatives sur la pertinence des données à un oracle (annotateur). En fonction de ses réponses, une fonction de décision est mise à jour itérativement. Nous modélisons la probabilité que les échantillons soient pertinents, en minimisant une fonction objectif capturant la représentativité, la diversité et l’ambiguïté des données. Les données avec une probabilité élevée sont ensuite sélectionnées pour annotation. Nous avons fait évoluer cette approche, en utilisant l’apprentissage par renforcement pour pondérer dynamiquement et précisément l’importance de la représentativité, l’ambiguïté et la diversité des données à chaque cycle d’apprentissage actif. Finalement, notre dernière approche consiste en un modèle d’affichage qui sélectionne des exemples virtuels les plus représentatifs et divers, qui remettent en question le modèle appris, de sorte à obtenir un modèle très discriminatoire dans les itérations suivantes de l’apprentissage actif. Les bons résultats obtenus face aux différentes baselines et l’état de l’art, en détection de changements dans des images satellites et en classification d’images, ont permis de démontrer la pertinence des modèles d'apprentissage frugal proposés, et ont donné lieu à diverses publications (Sahbi et al. 2021 ; Deschamps et Sahbi 2022b ; Deschamps et Sahbi 2022a ; Sahbi et Deschamps 2022)
Automatic image analysis has improved the exploitation of image sensors, with data coming from different sensors such as phone cameras, surveillance cameras, satellite imagers or even drones. Deep learning achieves excellent results in image analysis applications where large amounts of annotated data are available, but learning a new image classifier from scratch is a difficult task. Most image classification methods are supervised, requiring annotations, which is a significant investment. Different frugal learning solutions (with few annotated examples) exist, including transfer learning, active learning, semi-supervised learning or meta-learning. The goal of this thesis is to study these frugal learning solutions for visual recognition tasks, namely image classification and change detection in satellite images. The classifier is trained iteratively by starting with only a few annotated samples, and asking the user to annotate as little data as possible to obtain satisfactory performance. Deep active learning was initially studied with other methods and suited our operational problem the most, so we chose this solution. In this thesis, we have developed an interactive approach, where we ask the most informative questions about the relevance of the data to an oracle (annotator). Based on its answers, a decision function is iteratively updated. We model the probability that the samples are relevant, by minimizing an objective function capturing the representativeness, diversity and ambiguity of the data. Data with high probability are then selected for annotation. We have improved this approach, using reinforcement learning to dynamically and accurately weight the importance of representativeness, diversity and ambiguity of the data in each active learning cycle. Finally, our last approach consists of a display model that selects the most representative and diverse virtual examples, which adversely challenge the learned model, in order to obtain a highly discriminative model in subsequent iterations of active learning. The good results obtained against the different baselines and the state of the art in the tasks of satellite image change detection and image classification have demonstrated the relevance of the proposed frugal learning models, and have led to various publications (Sahbi et al. 2021; Deschamps and Sahbi 2022b; Deschamps and Sahbi 2022a; Sahbi and Deschamps2022)

Cette thèse se concentre sur le développement de techniques d’apprentissage de représentations robustes et transférables pour la détection et la classification d’événements bioacoustiques en apprentissage à partir de peu données, en abordant des défis majeurs en apprentissage profond tels que la généralisation de domaine, l’adaptation de domaine, la rareté des données et le déséquilibre des classes. À travers l’exploration de l’apprentissage auto-supervisé d’invariances de représentations, nous démontrons que des augmentations de données indépendantes du domaine d’application peuvent conduire à des représentations informatives et discriminatives. Un axe central de ce travail est l’utilisation de l’apprentissage contrastif supervisé pour améliorer la généralisation des modèles à travers différentes espèces et environnements acoustiques. De plus, nous proposons une nouvelle fonction de perte contrastive supervisée, inspirée des réseaux à base de prototypes, qui réduit la complexité de calcul de la perte contrastive supervisée traditionnelle tout en maintenant les performances. Les contributions supplémentaires incluent l’utilisation des métadonnées pour améliorer la généralisation, ainsi que le traitement de la classification multi-étiquettes déséquilibrée. Bien que l’application principale de cette thèse soit le suivi de biodiversité par la bioacoustique, les techniques d’apprentissage profond développées sont généralisables et peuvent être appliquées à d’autres domaines audio, modalités et applications
This thesis focuses on developing robust and transferable representation learning techniques for few-shot bioacoustic event detection and classification, addressing core challenges in deep learning such as domain generalization, domain adaptation, data scarcity, and class imbalance. Through the exploration of self-supervised invariant representation learning, we demonstrate that domain-agnostic data augmentations can yield informative and discriminative representations. A key focus of this work is the use of supervised contrastive learning to enhance model generalization across different species and acoustic environments. Furthermore, we propose a novel supervised contrastive loss, inspired by prototypical networks, that reduces the computational complexity of the traditional supervised contrastive loss while maintaining performance. Additional contributions include leveraging metadata to improve generalization and tackling imbalanced multi-label classification. Although the primary application of this thesis is bioacoustic monitoring, the deep learning techniques developed are generalizable and can be applied to other audio domains, modalities, and applications

L'extraction d'information est un champ de recherche dont l'objectif est d'identifier et extraire automatiquement des informations structurées, dans un domaine donné, à partir de données textuelles pas ou peu structurées. La mise en œuvre de telles extractions demande souvent des moyens humains importants pour l'élaboration de règles d'extraction ou encore pour la constitution de données annotées pour les systèmes utilisant de l'apprentissage automatique. Un des défis actuels dans le domaine de l'extraction d'information est donc de développer des méthodes permettant de réduire, dans la mesure du possible, les coûts et le temps de développement de ces systèmes. Ce travail de thèse se concentre sur l'exploration de l'extraction d'événements à travers l'utilisation du méta-apprentissage, une approche adaptée à l'apprentissage à partir de peu de données. Nous avons redéfini la tâche d'extraction d'événements dans cette perspective, cherchant à développer des systèmes capables de s'adapter rapidement à de nouveaux contextes d'extraction avec un faible volume de données d'entraînement. Dans un premier temps, nous avons proposé des méthodes visant à améliorer la détection des déclencheurs événementiels en développant des représentations plus robustes pour cette tâche. Ensuite, nous avons abordé le défi spécifique posé par la classe « NULLE » (absence d'événement) dans ce cadre. Enfin, nous avons évalué l'effectivité de nos propositions dans le contexte global de l'extraction d'événements en les étendant à l'extraction des arguments des événements
Information Extraction (IE) is a research field with the objective of automatically identifying and extracting structured information within a given domain from unstructured or minimally structured text data. The implementation of such extractions often requires significant human efforts, either in the form of rule development or the creation of annotated data for systems based on machine learning. One of the current challenges in information extraction is to develop methods that minimize the costs and development time of these systems whenever possible. This thesis focuses on few-shot event extraction through a meta-learning approach that aims to train IE models from only few data. We have redefined the task of event extraction from this perspective, aiming to develop systems capable of quickly adapting to new contexts with a small volume of training data. First, we propose methods to enhance event trigger detection by developing more robust representations for this task. Then, we tackle the specific challenge raised by the "NULL" class (absence of events) within this framework. Finally, we evaluate the effectiveness of our proposals within the broader context of event extraction by extending their application to the extraction of event arguments

L’apprentissage fédéré est un cadre d’apprentissage automatique collaboratif et décentralisé, motivé par des préoccupations croissantes concernant la confidentialité desdonnées. En transférant l’entraînement des modèles vers des noeuds locaux et en conservant les données sur place, il favorise une approche plus respectueuse de la vie privée. Toutefois, cette méthode impose un surcoût en termes de communication et de calcul à ceux qui l’adoptent. Dans ce manuscrit, nous examinons les principaux défis de l’apprentissage fédéré et proposons des solutions visant à augumenter l’efficacité tout en réduisant les besoins en ressources matérielles. Plus précisément, nous explorons des techniques de compression classiques, comme l’élagage, ainsi que des approximations en rang faible afin de diminuer les coûts associés à l’apprentissage fédéré. Pour les scénarios où les participants disposent de capacités de communication limitées, nous introduisons une méthodologie de co-conception pour un algorithme d’apprentissage avec peu d’examples embarqué. Notre solution intègre les contraintes matérielles au sein d’un pipeline de déploiement sur des plateformes FPGA, aboutissant à un algorithme à faible latence qui peut également être exploité pour mettre en oeuvre des modèles post-apprentissage fédéré
Federated learning is a collaborative, decentralized machine learning framework driven by growing concerns about data privacy. By shifting model training to local nodes and keeping data local, it enables more privacy-conscious training. However, this approach imposes additional communication and computation overhead on those who adopt it. In this manuscript, we examine the key challenges in federated learning and propose solutions to increase efficiency and reduce hardware requirements. Specifically, we explore classic compression techniques, such as pruning, and low-rank approximations to lower the costs associated with federated learning. For scenarios where participants have limited communication capabilities, we introduce a co-design methodology for an embedded few-shot learning algorithm. Our proposed solution integrates hardware constraints into a deployment pipeline for FPGA platforms, resulting in a low-latency algorithm that can also be leveraged to implement post-federated learning models

L’ingénierie dirigée par les modèles (IDM) est un paradigme d’ingénierie du logiciel bien établi, qui préconise l’utilisation de modèles comme artéfacts de premier ordre dans les activités de développement et de maintenance du logiciel. La manipulation de plusieurs modèles durant le cycle de vie du logiciel motive l’usage de transformations de modèles (TM) afin d’automatiser les opérations de génération et de mise à jour des modèles lorsque cela est possible. L’écriture de transformations de modèles demeure cependant une tâche ardue, qui requiert à la fois beaucoup de connaissances et d’efforts, remettant ainsi en question les avantages apportés par l’IDM. Afin de faire face à cette problématique, de nombreux travaux de recherche se sont intéressés à l’automatisation des TM. L’apprentissage de transformations de modèles par l’exemple (TMPE) constitue, à cet égard, une approche prometteuse. La TMPE a pour objectif d’apprendre des programmes de transformation de modèles à partir d’un ensemble de paires de modèles sources et cibles fournis en guise d’exemples. Dans ce travail, nous proposons un processus d’apprentissage de transformations de modèles par l’exemple. Ce dernier vise à apprendre des transformations de modèles complexes en s’attaquant à trois exigences constatées, à savoir, l’exploration du contexte dans le modèle source, la vérification de valeurs d’attributs sources et la dérivation d’attributs cibles complexes. Nous validons notre approche de manière expérimentale sur 7 cas de transformations de modèles. Trois des sept transformations apprises permettent d’obtenir des modèles cibles parfaits. De plus, une précision et un rappel supérieurs à 90% sont enregistrés au niveau des modèles cibles obtenus par les quatre transformations restantes.
Model-driven engineering (MDE) is a well-established software engineering paradigm that promotes models as main artifacts in software development and maintenance activities. As several models may be manipulated during the software life-cycle, model transformations (MT) ensure their coherence by automating model generation and update tasks when possible. However, writing model transformations remains a difficult task that requires much knowledge and effort that detract from the benefits brought by the MDE paradigm. To address this issue, much research effort has been directed toward MT automation. Model Transformation by Example (MTBE) is, in this regard, a promising approach. MTBE aims to learn transformation programs starting from a set of source and target model pairs supplied as examples. In this work, we propose a process to learn model transformations from examples. Our process aims to learn complex MT by tackling three observed requirements, namely, context exploration of the source model, source attribute value testing, and complex target attribute derivation. We experimentally evaluate our approach on seven model transformation problems. The learned transformation programs are able to produce perfect target models in three transformation cases, whereas, precision and recall higher than 90% are recorded for the four remaining ones.

L’enseignant de la langue turque parlerait volontiers des facilités d’apprentissage de cette langue ; alphabet phonétique, absence de genre, absence d’article, absence d’accord entre le sujet et le verbe, entre l’adjectif et le nom, régularité remarquable des conjugaisons, proximité phonétique avec le français, ainsi que des milliers de mots empruntés au français au 19e et 20e siècles. Cela étant dit, tout apprentissage a ses servitudes, celui du turc n’y échappe pas. C’est une langue agglutinante, donc loin des langues flexionnelles, quelque peu déconcertant pour un apprenant francophone, du moins au début de son apprentissage. L’étonnement continue pour ce qui est de l’ordre syntaxique dont l’ordre inversé contrarie les débutants, sans oublier la nécessaire appropriation de l’harmonie vocalique, l’une des particularités du turc. La sonorité turque demande ainsi une attention soutenue : bien qu’il y ait peu de sons sans équivalence en français, on doit néanmoins enseigner aux apprenants comment produire les quelques sons particuliers qu’ils n’ont jamais prononcés. Nous allons d’abord évoquer l’état de la question des erreurs des apprenants dans la littérature pédagogique. Ensuite, à partir de notre propre expérience, nous tenterons de faire un inventaire des problèmes les plus fréquents rencontrés dans l’apprentissage de la grammaire turque, notamment par les francophones, puis nous en analyserons les causes et les conséquences de ces problèmes et enfin, nous proposerons des solutions pédagogiques pour les surmonter.

La plupart des travaux sur les particularités lexicales du français en Afrique portent sur les unités lexicales simples ou composées, voire sur les locutions figées classiques. Cette étude montre comment l’appropriation linguistique peut aussi se faire à partir des détournements de sigles, d’acronymes et d’abréviations. Le travail s’appuie sur un peu plus d’une centaine d’exemples obtenus en contexte d’enseignement/apprentissage chez des étudiants de filières techniques au Gabon. Les résultats de cette recherche de type sociodidactique constituent, in fine , une invite à diversifier les approches dans l’enseignement / apprentissage du français langue seconde.

Au Bénin, tout comme dans plusieurs pays, l’enseignement/apprentissage du français se fait pour la plupart du temps en ignorant les compétences déjà acquises par les apprenants dans leur langue maternelle. Ce faisant, ils éprouvent certaines difficultés liées en partie à l’inexistence de certains sons du français dans leurs langues maternelles. Par ailleurs, la méthodologie d’enseignement favorise très peu le transfert entre leur langue première et la langue de scolarisation. La présente étude vise l’analyse de séquences de classe de français au CI-CE1-CM1 dans l’enseignement primaire en vue de porter un regard critique sur les pratiques en cours. Les données ont été collectées à partir d’enregistrements vidéo pendant des observations de classe. Par ailleurs, les enseignants ont été amenés à revisiter leurs pratiques grâce à l’autoconfrontation. Le traitement des films vidéo a été possible grâce au synopsis, un tableau de condensation de données vidéo et audio qui met en relation les échanges verbaux en classe, l'action des élèves, les consignes et action de l'enseignant. À l’issue de l’étude, il ressort que les enseignants valorisent très peu le recours aux langues premières des apprenants. Ils cherchent à créer dans la classe un bain linguistique. Les langues maternelles des apprenants ne sont exceptionnellement tolérées en situation de classe que pour favoriser la progression de l’apprentissage. Du coup, très peu d’apprenants interviennent pendant les séquences de classe. Leur faible niveau de langue en français amène souvent l’enseignant à limiter la circulation de la parole aux apprenants dont les compétences linguistiques semblent appréciables alors que les compétences linguistiques des apprenant-e-s en LO favoriseraient un processus de construction du savoir en français.