Conclusion et Perspectives
Le défi le plus important que doivent lever les
systèmes de parole est la robustesse à la variabilité de
la parole. Cette robustesse est principalement à l'origine de la
complexité de ces systèmes. Nous avons essayé dans ce
travail de découvrir les possibilités de remédier à
ce problème de complexité des systèmes de la parole en
utilisant des algorithmes évolutionnaires.
Au cours de cette étude, nous avons, d'une part,
réalisé que les problèmes rencontrés dans les
systèmes de parole ne se restreignent pas à la phase de
reconnaissance, mais ils s'étendent à tout le processus de
traitement. Ceci nous a poussé à généraliser
l'étude de mise en oeuvre des algorithmes évolutionnaires
à toutes les étapes de traitement. D'autre part nous avons
constaté que le choix d'une méthode évolutionnaire doit se
focaliser principalement sur la nature des problèmes auxquelles elle a
initialement été conçu et celle du problème
à traiter. Tous les autres paramètres peuvent être
adaptés d'une façon ou d'une autre au problème
considéré. En fait, un choix judicieux effectué suivant
cette optique ne laisse généralement pas beaucoup de
paramètres à adapter.
A l'issue de cette analyse, la conclusion à laquelle
nous avons abouti est un compromis entre l'usage des deux méthodes. Les
stratégies d'évolution, avec leur nature très
adaptée aux problèmes d'optimisation, peuvent améliorer
les performances des opérations de reconnaissance. Que ce soit dans les
modèles markoviens, de classification ou à recalage temporel, les
stratégies d'évolution peuvent précieusement aider
à estimer les correspondances phonétiques. De sa part, la
programmation génétique, conçu à la base pour le
développement automatique des programmes, est parfaitement
adaptée à l'apprentissage automatique et aux traitements
linguistiques, notamment s'ils sont basés sur des arbres de
décision, à condition que les modèles utilisés dans
les deux phases soient les mêmes.
L'analyse précédente a été
réalisée suivant un raisonnement basé sur des remarques et
des résultats théoriques. Bien que cette analyse fourni une large
vision des possibilités d'application des algorithmes
évolutionnaires, et des grandes lignes pour orienter le choix d'une
méthode en dépit d'une autre, ses résultats ne peuvent pas
constituer des mesures définitives. En effet, ce qui peut paraitre bon
en théorie peut ne pas l'être en pratique. La complexité
des systèmes de parole implique la présence de plusieurs
paramètres qui peuvent influencer la qualité d'une
méthode. Cette analyse doit impérativement être
complétée par des tests pratiques faisant intervenir des
paramètres différents du coté des systèmes de
reconnaissances et des algorithmes évolutionnaires. De tels tests
nécessiteraient un grand travail de recueil d'information et
d'adaptation de paramètres, car les quelques environnements qui
réunissent les outils de traitement de la parole et ceux des algorithmes
évolutionnaires ne travaillent que sur des algorithmes
génétiques.
| 
