SATIM : Une architecture modulaire pour l'analyse et le traitement de l'information multidimensionnelle : application au texte Jean-Guy Meunier.

Présentation au sujet: "SATIM : Une architecture modulaire pour l'analyse et le traitement de l'information multidimensionnelle : application au texte Jean-Guy Meunier."— Transcription de la présentation:

1 SATIM : Une architecture modulaire pour l'analyse et le traitement de l'information multidimensionnelle : application au texte Jean-Guy Meunier & Ismaïl Biskri

2 Plan 1 Une présentation des architectures classiques de ATO.  Ie des générations  de programmes dans le domaine       caractéristiques,       limites        et besoin de nouveaux paradigmes . 2- Le concept de LATAO :       les idées classiques : interprétation, reprise, ajustement test etc. ( voir mes textes sur la question  3- Une modelisation fonctionnelle des opérations et fonctions de LATAO       présentation des opérations classiques        filtatrage, étiqutage , matrice, analyse etc.        abstraction fonctionnelle             intrant opération résultat etc. récursion       bref  repréndre l'idée de fonctions et combinateurs       Note : si tu as un premier brouillon de texte ....J'en ai . Ce sera la partie importante. 4- Une modélisation Objets des opérations et fonctions de LATAO       Comment peut on traduire ces fonctions en objets...? Je compte sur toi pour cette partie... 5- SATIM comme premier modele de réalisation       extraire de tes textes et des miens et autres la présentation générale de SATIm et montrer qu'elle réalise les idées de 3 et 4 6- exemple d'application<       Grammexco, Numexco       Présentation synthèse des expériences en littérature, philo, anthropologie , sexologie etc. 7 - voix de developpement.       - les protocoles pour inscrire des nouveaux modules       -le défi: la propriétés intellctuelle.

3 PARTIE 1 : les architectures de ATO.
Des générations de systèmes ATO Les Caractéristiques, Les Limites, Les besoins de nouveaux paradigmes.

4 Génération 1 de ATO ( ): Des systèmes de traitement élémentaires de texte La saisie électronique des textes Les alphabets Les encodages (les cartes perforées) L’édition électronique Exemples: Le corpus de T Aquin de Busa Fran Text Brown Corpus Kierkegard

5 Génération 2 de ATO ( ) Systèmes pour des chaînes élémentaires de base Lexique Statistique Cooccurrences Lemmatisation Concordances Exemples

6 Generation 3 de ATO ( ) Systèmes pour des chaînes spécifiques: des modules d’analyse De type linguistique Tagger. Description syntaxique Manipulation De dictionnaires de lexique De termes complexes : Ex: Lexter Exemples: Cocoa, Tact, Sato, Nomino, Deredec De type numérique Extraction statistique : Exemple: Spat Extraction de régularités : Leximap Exemple Alceste 1

7 Génération 4 de ATO (1995-…) Systèmes avec accès au contenu avec des chaînes de traitement complexes de type linguistique In text. De type numérique Alceste Conterm Numexco Gramexco

8 Acquis et limites de la technologique
Un traitement ATO Un ensemble de fonctions d’analyse Inconvénients : peu d’intégration des approches numériques et linguistiques technologie informatique intégrée pas assez modulaires, pas assez flexibles, etc. Une technologie propriétaire. Conséquences : Difficultés à modifier les fonctions Difficultés à introduire des nouvelles fonctions

9 Vers une cinquième génération de systèmes en ATO
Nécessité d’une nouvelles génération Intégration des fonctions d’analyse Modularité des fonctions d’analyse Flexibilité des chaînes de traitement Partage des modules entre plusieurs Systèmes

10 Partie 2 : LATAO

11 La variété des utilisateurs de texte
Ils sont multiples Et aucun ne réalise une même chaîne de traitement. Ils ont des méthodes de travail différentes Les objectifs de traitement peuvent être perçus différemment : processus de découverte.

12 Les « mineurs» du texte….
de multiples experts ont affaire au texte publiciste, vendeur, formateur,professeurs juriste, notaire, avocat gestionnaire de projet communicateur, programmeur, écrivain, bibliothécaire recherchiste,linguiste,éditeur,étudiant,agent d'administration, veilleurs technologie, de compétiteurs etc analystes financiers ,économiste rédacteur de discours Ingénieurs, techniciens, médecins, infirmiers

13 Les chaînes de traitement L'écrivain technique
recherche documents identification fragments reliés et pertinents analyse des fragments Organisation des fragments de manière cohérente Écriture du texte Contrôle du style et correction Vérification des versions formatage selon un gabarit des versions diffusion

14 Techniciens de projets
Recherche documents Identification des documents pertinents Indexation des documents Relier les documents entre eux Écrire des rapports Contrôle du style Contrôle des versions Formatage selon un gabarit Diffusion

15 Chaînes de traitement: Le documentaliste
construire le reposoir définir la terminologie cataloguer indexer classifier construire le thésaurus gérer le système. Archiver Publier

16 Chaînes de traitement : Le recherchiste
Trouver des questions Chercher des thèmes reliés catégoriser, Analyser Résumer Ecrire des rapport

17 Chaînes de traitement : Le journaliste
lire Interelier annoter commenter résumer argumenter rédiger éditer publier

18 Chaînes de traitement : Le suivi de projet
Écrire rapport échanger modifier suivre valider publier router

19 Chaînes de traitement : L' éditeur
transcrire saisir corriger baliser formater mettre en page diffuser

20 Chaînes de traitement : Le linguistique
segmentation lexique terminologie Base de connaissances dictionnaire style rhétorique argumentation démonstration

21 Chaînes de traitement: Le rapport de groupe
écrire rapport échanger modifier suivre valider publier router

22 PARTIE 3 : La décomposition fonctionnelle
Le concept de décomposition des modules Quels modules ? La représentation fonctionnelle des modules

23 Architecture formelle de la composante de base d'une chaîne de traitement
Oi traitement. Vk V1,..... Vj Output Input contrôle Représentation d’une Fonction par une catégorie de base : Si : (O ( (V1,..... Vj) Vk))

24 Une chaîne = une combinaisons de fonctions

25 Une chaîne = Combinaisons des fonctions

26 Une chaîne = Combinaisons des fonctions
Variation dans le temps temps k temps j temps i

27 Quelles chaînes de traitement conserver ?
Toutes les chaînes de traitement ne sont pas valides. Souvent la validité est jugée selon la pertinence de la chaîne : Juge = usager ou concepteur. Avec la représentation catégorielle des différentes fonctions de la chaîne : La validité est garantie par la bonne connexion des catégories Exemple : Deux fonctions Si et Si+1 Si : (O ( (V1,..... Vj) Vk)) Si+1 : ( O (Vk (V1,..... Vl))) Si + Si+1 : (O ( (V1,..... Vj) (V1,..... Vl)))

28 La décomposition de LATAO
Multiplicité des opérations (modules) grammaires thesaurus dictionnaires Paramètres Règles identificateur Une formalisation adéquate des opérations

29 Quelles fonctions retenir?

30 Représentation algébrique d’une chaîne de traitement
Représentation catégorielle des fonctions : Si : (O ( (V1,..... Vi) Vk)) Règles de vérification de la bonne connexion des fonctions Grammaires formelles empruntées à la linguistique-informatique Combinateurs empruntés à la logique combinatoire Planification empruntés à l’intelligence Artificielle Une chaîne de traitement n’est rien d’autre que combinanoire ( au sens formelle) de fonction La fonction est une opération fonctionnelle O i appliquée a des arguments. Une chaîne de traiement est une combinatoire K sur ces fonctions. Chaque transformation crée un nouvel » objet « qui peut servir a d’autres fonctions ( récurivité)

31 PARTIE 4 : Représentation objet des fonctions
Des objet et des opérations sur des objets. Présentation des fonctions comme des modules objets Des filtreurs, des matricieurs, etc.

32 Fonctions de filtrage et nettoyage de texte
Pour être admissible à des analyses il faut préparer matériellement les textes : Correction, transformation PDF en texte, Élimination des scories, Etc. Les textes

33 Exemple : Filtrage par langue
ARABE ITALIEN ANGLAIS image

34 Fonctions de segmentation
Identification de deux types d’entités : Fragments de texte : paragraphes, pages, etc. (Domaines d’information) Unités d’information textuelle : Mots, n-grams, etc. (Unités d’information) Fragments – Segments de texte L’analyse thématique que nous présentons ici est réalisée via plusieurs étapes. La première consiste à préparer et à transformer le corpus à analyser. Pour être efficace, les classifieurs impossent que l’on identifie deux types d’entités : les segments de texte (DOMIFs) et les unités d’information textuelles (UNIFs). Bien que facile à sasir, cette opération de déconstruction reposent sur plusieurs postulats. Certains d’entre eux sont de nature linguistique, d’autres mathématique. Les segments de texte sont les différents éléments qui seront comparés entre eux afin de construire des classes de segments de texte. Ces segments peuvent prendre la forme de phrases, de paragraphes, de pages, etc. Dans l’expérience que nous présentons, nous avons opté pour des segments de texte constitués chacun de 100 mots. Unités d’information

35 Deux Grands groupes de fonctions d’analyse
Les fonctions d’analyse linguistique, Les fonctions d’analyse numérique, Effort pour les intégrer, Elles interviennent à divers moments de la chaîne de traitement.

36 Fonctions d’étiquetage et de filtrage des un-ifs et dom-ifs
Étape 1. Préparation du corpus Filtrage du corpus : Mots fonctionnels, mots-outils, Stop-words, go-words et trivial words Je, de, la, tous, etc. Lemmatisation Raisons  Raison Synonyme HAPAX et mots fréquents Mots ayant une distribution selon une certaine courbe. Mots (Lexique) M M M M M Filtres Les unités d’information peuvent être ou bien des mots, ou bien des n-grams (c’est-à-dire des chaînes de n caractères). Si nous choisissons d’opter pour les mots comme unités d’information, plusieurs possibilités de traitement s’offrent à l’analyste : Ainsi, il nous est possible de procéder ou non à la lemmatisation du corpus. Il est aussi possible d’appliquer certains filtres visant à supprimer les mots fonctionnels (stop-words and trivial words) ou à identifier les mots composés. Finalement, il est aussi possible de supprimer les termes dont la fréquence est peu ou très élevée. Corpus filtré M M M

37 Fonctions de transformation vectorielle
Étape 2 : Transformation du texte en une représentation vectorielle UNIFs Segments L’étape suivante consiste à transformer le texte en un modèle vectoriel. Cette transformation implique que chaque vecteur représentent les segments de texte décrits par leurs unités d’information (dans le cas présent, il s’agit des mots). MATRICE

38 Fonction de transformation vectorielle
Matrice textuelle U1 U2 U3 U4 Un … S1 1 1 1 1 … S2 1 … 1 1 … S3 1 1 1 1 1 … S4 La valeur accordée aux entrées de la matrice dépendent du choix du classifieur. Ainsi, certains classifieurs imposeront que les valeurs de la matrice soient exclusivement binaire, d’autres permettrons l’application de valeur pondérées. C’est sur cette matrice que l’opération de classification est effectuée. S5 1 1 1 … Présence - absence Poids 1 1 … S6 1 1 1 1 … Sn

39 Groupe de fonctions d’analyse
A partir de la matrice plusieurs analyses sont possibles : Sur les unifs et les domifs : Classification des unifs et domifs

40 Fonctions d’analyse par classification
Sa Sb Sc Sd Le role essentiel de la classification est de trouver des classes de segments. Sn

41 Fonctions d’analyse par classification
Classification des segments de texte Classe A Classe C Classe E En voici une représentation graphique. Classe B Classe D

42 Multiplicité des classifieurs
Réseau de neurones ACP Clustering Champs de Markov Algorithmes génétiques Cartographie de Kohonen Etc.

43 Fonctions d’analyse des résultats des classifieurs
Classification des segments de texte Classe A Classe C Classe E Lexique des mots de la classe Dieu âme vérité… Esprit idée règle … Sang veine artère … Poumon matière cœur … vêtements français Raison … And from each class of segments, the lexicon is extracted. We then have for each class a specific lexical list. It is on these classes that the thematic analysis begins. Classe B Classe D

44 extraction de connaissances à partir des classes
Fonctions d’aide a l’interprétation des résultats: l’analyse thématique extraction de connaissances à partir des classes

45 Fonctions d’aide à l’interprétation des résultats
La représentation par graphe, réseau, etc. Ergonomie de la représentation.

46 Cat a cone http://www.sims.berkeley.edu/~hearst/cac-overview.html
The Cat-a-Cone is a novel user interface that integrates search and browsing of very large category hierarchies with their associated text collections. One key insight is the separation of the representation of category labels from documents, which allows the display of multiple categories per document. Another key component is the display of multiple selected categories simultaneously, complete with their hierarchical context. The prototype implementation uses animation and a three-dimensional graphical workspace to accommodate the category hierarchy and to store intermediate search results. Query specification in this 3D environment is accomplished via a novel method for painting Boolean queries over a combination of category labels and free text.

47 "SemioMap http://www.semio.com/SemioMin.html Approche sémiotique
Découvre des "nuggets" conceptuels Indexation & Extraction Clustering de concepts  avec saillance Navigation graphique.  This product wasn't as easy to operate as the other ones.

48 NeuroText http://www.grimmersoft.com/NeuroText.htm Approche neuronale
Clustering visualisation

49 Inventix.com

50 WEBSOM map

51 L'Analyse thématique Un graphe de relations des éléments d'une classe de segments

52 Fonctions d’aide à l’interprétation des résultats : la catégorisation
Assignation de points à des étiquettes capital institution

53 Fonctions d’analyse par extraction

54 Analyse lexicale check-out floor cleaner credit card
administration arrival check cashier cleaner credit dining employee hôtel luggage room diner banquet building administration arrival time check-out cashier floor cleaner check credit card dining room employe hôtel reservations luggage room services diner reservations banquet services building administration arrival time check-out cashier floor cleaner check credit card dining room employe hôtel reservations luggage room services diner reservations banquet services Plusieurs possibilités Termes complexes Thesaurus Indexation

55 L’indexation exemple de texte: Le départ est à 12, 00 heures a.m. Les clients utilisant des cartes de crédit peuvent payer leur facture par les services de télévision ou par boîte vocale dans le confort de leur chambre. Prière de de consulter la section «Services de l’hôtel» sur votre guide de télévision . .. Assister l'ajout automatique d'étiquettes ou de mots clefs selon un plan de classification Départ | Clients| cartes de crédits la tâche : transformer un texte à des fins de recherche pour des utilisateurs cibles

56 Un résumeur Une sélection de points dans l'espace textuel :
Via des règles Via des propriétés statistiques

57 Thesaurus Relier les catégories Réservation appartement chambres
Services chambres suites Traiteur Restaurant Employés cafétéria

58 Lexicaliste : fabriquer une base de données lexicales propriétaire, une ontologie propriétaire
MOTEURS Masculin MOTEUR nom 3e per, fut verbe ENVOLERA ENVOLER masc nom RESTAURANT RESTAURANT féminin nom ACIDITE ACIDE masc nom CREDIT CREDIT masc FEREUX adjectif RARE

59 L'hyperlien Définir automatiquement Vecteurs similaires

60 PARTIE 5 : SATIM

61 SATIM SATIM Plate-forme générique visant à organiser des modules informatiques autonomes. S’applique à l’analyse de données textuels ou autres. Adaptable à différents objectifs, Flexible : plusieurs paramètres, Modulaire : facilite l’adaptabilité ou la mise à jour de la plate-forme, Permet la création rapide d'une multitude de chaînes de traitement, Peut être augmentée par de nouveaux modules, Indépendance des modules.

62 SATIM : la colonne vertébrale d’une chaîne
Paramétrages de SATIM Plusieurs types d’unifs pour décrire le texte : mots, n-grams, phonèmes,… tags, marqueurs, ... étiquettes, catégories, … Texte source Modules de segmentation Unifs Cube à n dimensions Projection sur 2 dimensions Modules de réduction du vocabulaire domifs x (type unifs choisis) Classe 1 Classe 2 Classe n Modules classification de Modules spécifiques d’explorations des classes.

63 Exemple de la fonction Segmentation
Similar difficulties arise when we consider the sense of touch. It is true that the table always gives us a sensation of hardness, and we feel that it resists pressure. But the sensation we obtain depends upon how hard we press the table and also upon what part of the body we press with; thus the various sensations due to various pressures or various parts of the body cannot be supposed to reveal directly any definite property of the table, but at most to be signs of some property which perhaps causes all the sensations, but is not actually apparent in any of them. And the same applies still more obviously to the sounds which can be elicited by rapping the table. Thus it becomes evident that the real table, if there is one, is not the same as what we immediately experience by sight or touch or hearing. The real table, if there is one, is not immediately known to us at all, but must be an inference from what is immediately known. Hence, two very difficult questions at once arise; namely, (1) Is there a real table at all? (2) If so, what sort of object can it be? Similar difficulties arise when we consider the sense of touch. It is true that the table always gives us a sensation of hardness, and we feel that it resists pressure. But the sensation we obtain depends upon how hard we press the table and also upon what part of the body we press with; thus the various sensations due to various pressures or various parts of the body cannot be supposed to reveal directly any definite property of the table, but at most to be signs of some property which perhaps causes all the sensations, but is not actually apparent in any of them. And the same applies still more obviously to the sounds which can be elicited by rapping the table.? Thus it becomes evident that the real table, if there is one, is not the same as what we immediately experience by sight or touch or hearing. The real table, if there is one, is not immediately known to us at all, but must be an inference from what is immediately known. Hence, two very difficult questions at once arise; namely, (1) Is there a real table at all? (2) If so, what sort of object can it be?

64 Exemple de la réduction du vocabulaire
lemmatisation Demontré Démontrés Démontre mots fonctionnels filtrage manuel Et, le, la les, des, ce, est, car… démontrer

65 Illustration d’analyse
Numexco Gramexco

66 Numexco Fonction reduc. voc. 1 dictionnaire des mots Fonctionnels
Texte source Préparation du texte Seg men tation Lexi que : Mots. Fonction de reduc. voc 2 dictionnaire des lemmes Classification : Réseau de neurones Représentation vectorielle du texte Classe 1 de domifs Classe n … Classes de similarité et de cooccurrence Classe n d’unifs Classe 1 …

67 Gramexco Fonction reduc. voc. dictionnaire des mots Fonctionnels Texte
source Préparation du texte Seg men tation Lexi que : n-gram Classification : Réseau de neurones Représentation vectorielle du texte Classe 1 de domifs Classe n … Classes de similarité et de cooccurrence Classe n d’unifs Classe 1 …

68 Quelques applications

69 Exemples de catégorisation de segments sous « connaissance »
Diagnostic correct du réseau: Oui Diagnostic correct du réseau: Non “In this respect our theory of belief must differ from our theory of acquaintance, since in the case of acquaintance it was not necessary to take account of any opposite. (2) It seems fairly evident that if there were no beliefs there could be….". " Some relations demand three terms, some four, and so on. Take, for instance, the relation 'between'. So long as only two terms come in, the relation 'between' is impossible: three terms are the smallest number that render it possible. York is between London… "

70 grammaires Règles dictionnaires Multiplicité des opérations (modules)
thesaurus dictionnaires Paremêtres Règles identificateur Une formalisation adéquate des opérations

71

72 La catégorisation… Assignation de points a des étiquettes capital
institution

73 Relations entre mots , concepts , catégories
Sur les propriétés Relations entre mots , concepts , catégories

74 Cartes conceptuelles capital Canada GTI Capital compagnies country
Associations France capital déduction taxe ministries

75 Une carte conceptuelle …
Relations entre des termes associés

76 Découvertes de nouveaux thèmes
déduction taxe ministères Ajouter étiquette Vérifier ! Dévouvrir de nouveaux liens

77 Navigation thématique
GTI Capital compagnies Associations capital déduction taxe ministries

78 L'indexation Assister l'ajout automatique
la tâche : transformer un texte à des fins de recherche pour des utilisateurs cibles exemple de texte: Le départ est à 12, 00 hures a.m. Les clients utilisant des cartes de crédit peuvent payer leur facture par les services de télévision ou par boîte vocale dans le confort de leur chambre. Prière de de consulter la section «Services de l’hôtel» sur votre guide de télévision . .. exemple de texte: Le départ est à 12, 00 hres a.m. Les clients utilisant des cartes de crédit peuvent payer leur facture par les services de télévision ou par boîte vocale dans le confort de leur chambre. Prière de de consulter la section «Services de l’hôtel» sur votre guide de télévision Assister l'ajout automatique de d'étiquette ou de mots clefs Départ | Clients| cartes de crédits Selon un plan de classification

79 L'indexation

80 Analyse de la distribution des termes dans un texte
Méthode d'indexation Par divers indices statistiques CHI carré Salton Analyse de la distribution des termes dans un texte

81 Méthode d'indexation Analyse de coprésence des termes
Par réseaux de neurones Analyse de coprésence des termes importants dans les classes neuronales si si si si si si si si si décret, gouvernement , taxe, i programme, bogue, langage sentence ,jugement crise

82 Analyse par application de règles utilisant une base de connaissances
Méthode d'indexation Par ontologie Analyse par application de règles utilisant une base de connaissances BASE DE CONNAISSANCES si décret, gouvernement , taxe, i programme, bogue, langage sentence ,jugement crise

83 Un analyseur lexical est …
Un choix dans les propriétés Lexique la classe des termes pertinents Terminologie classes des termes complexes Thesaurus : Mots sémantiquement reliés Indexation : mots pertinents pour rappel

84 Knowledge extractor investors where ? WHO ? WHEN ? solution:
deliver structured on specific information . where ? GTI CAPITAL INNOVATECH PACIFIC NORTHWEST POLYTECH LMSOFT HITECH WHEN ? décember 1997 august september 1997

85 Déterminer les unités d’information
ANALYSEURS D’UNIFS Le petit chaperon rouge porte toujours des parfums Channel . Outils identifier les unités d’information mots Le petit chaperon rouge porte toujours des parfums CHANEL petit chaperon rouge porte N parfum0 CHANEL (parfum) porte V

86

87 Déterminer les unités d’information
ANALYSEURS D’UNIFS Le petit chaperon rouge porte toujours des parfums Channel . Outils identifier les unités d’information mots Le petit chaperon rouge porte toujours des parfums CHANEL petit chaperon rouge porte N parfum0 CHANEL (parfum) porte V

88 Knowledge extractor is…
Regenerating filled argumental stucture of a word Who How When What To whom INVEST SELL

89 Bloobing Randall Rohrer, David Ebert, and John Sibert, http://www.seas.gwu.edu/~rohrer/textviz/
corpus "spreadsheet" Blobby Text - document content mapped to shape corpus "spreadsheet" multiple documents corpus "spreadsheet"

90 Inxight http://www.inxight.com/ Catégoriseur Clustering Visualition
Résumeur Outils linguistiques                                                                    

91

92 Fonctions de lexicaliste
Vient en plusieurs saveurs: Utilise plusieurs outils liste de mots fonctionnels filtres statistiques et associatifs, étiquetage morphologique Différents niveaux d'analyse totalement automatique avec assistance pour usage ciblé

93 Le Lexicaliste:le vocabulaire de base
employés femme chambre services réservation hôtel client nettoyeur banquet chèque crédit caissier bagage traiteur arrivée départ coût restaurant 12 33 48 24 28 18 2 1 22 20 11 10 26 65 1.2 3 5 2 6 1 4 7 La solution utiliser le lexique trouver le vocabulaire de base et ses statistiques et autres outils

94 Le Lexicaliste: les mots complexes
administration hôtel réservation nettoyeur banquet chèque carte de crédit caissier bagage traiteur arrivée départ coût restaurant La solution utiliser le lexique trouver les mots simples trouver les mots complexes employés de soutien femme de chambre services de réservation

95 Dictionnariste-

96 Dictionnariste Service au chambre: Traiteur:
Offrir des définitions propres à l'organisation Service au chambre: services divers commandés à partir de la chambre. Payable sur livraison.. Traiteur: Service d'approvisionnement pour clients extérieurs à l'hôtel.

97 Usage d'un dictionnaire maison: assistance à la lecture technique
Traiteur: Service d'approvision- nement pour clients extérieurs à l'hôtel. Procédures pour les réservations de restauration . 1- Suite à une demande, le gérant du service de la restauration doit demander au service des réservations de locaux les disponibilités des salles de banquet pour les dates des demandes 2-Le gérant doit s'informer auprès du traiteur de ses disponibilités, du menu offert et du prix 3 ……. 4…... s traiteur

98 Fonctions de lexicaliste
Vient en plusieurs saveurs: Utilise plusieurs outils liste de mots fonctionnels filtres statistiques et associatifs, étiquetage morphologique Différents niveaux d'analyse totalement automatique avec assistance pour usage ciblé

99 Le Lexicaliste: le vocabulaire de base
employés femme chambre services réservation hôtel client nettoyeur banquet chèque crédit caissier bagage traiteur arrivée départ coût restaurant 12 33 48 24 28 18 2 1 22 20 11 10 26 65 1.2 3 5 2 6 1 4 7 La solution utiliser le lexique trouver le vocabulaire de base et ses statistiques et autres outils

100

101

102

103