Comparaison automatique de pièces de théâtre à l'aide de distances d'édition et d'alignement

Cette thèse, située dans le domaine des humanités numériques, porte sur l'étude du théâtre, et plus particulièrement sur la conception et l'évaluation de modèles permettant de représenter des textes de théâtre, et d'effectuer des comparaisons entre eux. Du côté littéraire, plusieurs corpus numériques sont utilisés, avec une attention particulière portée au théâtre classique, et au théâtre européen du 17ème siècle, en particulier français. Parmi les corpus les plus utilisés, on peut citer le jeu de données Hyperpièces, regroupant plus de 500 paires de pièces de théâtre similaires, et les fichiers du projet Dracor, une base de données européenne de pièces de théâtre XML-TEI, totalisant près de 2000 pièces de théâtre pour sa version française. Nous avons également augmenté le corpus en portant 1350 nouvelles pièces en XML-TEI, provenant du site Theatre-Documentation, enrichissant ainsi notre corpus avec des productions du 18ème siècle. Ces corpus sont utilisés tout au long de notre travail comme données de test pour les algorithmes de comparaison que nous concevons. Nos algorithmes exploitent tant les similarités structurelles et sémantiques pour comparer les pièces. Pour la comparaison structurelle, nous donnons un aperçu des modèles existants, notamment les réseaux de personnages. Nous introduisons l'utilisation du formalisme des mots paramétrés pour détecter les renommages de personnages entre les pièces. Nous présentons une étude complète de la complexité théorique du matching paramétré approximé, sous plusieurs variantes de distances d'édition. Nous prouvons le caractère NP-complet d'une grande classe de ces problèmes, et donnons des heuristiques et des algorithmes approximatifs pour les résoudre. Nous fournissons également des algorithmes exacts pour ces problèmes, sous la forme d'encodages Max-SAT. Nous introduisons une généralisation de l'appariement paramétré à l'aide d'ensembles et étudions les problèmes associés. Enfin, nous détaillons l'utilisation du matching paramétré pour l'étude des pièces sur un corpus multilingue et discutons des forces et des limitations de notre technique. Pour effectuer des comparaisons sémantiques, nous utilisons plusieurs modèles de TAL pour concevoir des algorithmes permettant de générer automatiquement des alignements entre pièces de théâtre. Nous introduisons et analysons un modèle utilisant les métriques TF-IDF pour comparer les réseaux de personnages et retrouver les renommages de personnages. Nous proposons des méthodes pour les comparaisons de lecture à distance à l'aide d'indicateurs de complexité croissante, en utilisant les méthodes Word2Vec. En utilisant des modèles BERT pour comparer des phrases, nous introduisons une méthode pour produire des alignements entre des pièces de théâtre. Nous effectuons une analyse de lecture rapprochée sur plusieurs des alignements générés, et analysons la performance des méthodes.