Dictionnaire linguistique évolutif pour saisie de texte sur Firefox OS

Transcription

1 PROJET DE FIN D ÉTUDES [R] D1.2 - MANAGEMENT (MGMT) Dictionnaire linguistique évolutif pour saisie de texte sur Firefox OS Participant : Erwan GUYADER, guyader@polytech.unice.fr, SI5 (KIS) Encadrantes : Catherine FARON ZUCKER, faron@i3s.unice.fr, (Wimmics, I3S-INRIA) Elena CABRIO, elena.cabrio@inria.fr, (Wimmics, I3S-INRIA) Coût du livrable : 16 heures Budget total du projet : 304 heures

2 Table des Matières 1 Description du Projet Contexte de travail Motivations Défis Scénario(s) Synthèse des résultats obtenus Objectif # Objectif # Objectif # Objectif # Implication des ressources Erwan Guyader Catherine Faron Zucker Elena Cabrio Synthèse des livraisons Suivi budgétaire Consommation du budget Synthèse Suivi des lots Lot #1 : Management Lot #2 : Correction orthographique Lot #3 : Complètement de mot Lot #4 : Prédiction de mot Lot #5 : État de l art Synthèse & Retour d expérience

3 1 Description du Projet 1.1 Contexte de travail Avec l apparition des téléphones mobiles et des sms, les développeurs de systèmes d exploitation pour mobiles et de logiciels impliquant de la saisie ont dû faire face à un nouveau défi, celui de la correction orthographique en temps réel. En effet, la taille d un clavier sur un téléphone n est pas adaptée à une saisie à la fois rapide et sans faute. Des systèmes comme le célèbre T9 ont alors vu le jour, ce dernier se basant, pour forcer la bonne orthographe des mots, sur le complètement des mots à l aide d un dictionnaire. Le T9 permet également de réduire considérablement le nombre de caractères à saisir pour écrire un texte complet. Depuis, les systèmes d aide à la saisie n ont cessé de s améliorer et avec le développement des smartphones et des claviers complets, nous avons pu voir l émergence de nouvelles techniques afin de déterminer le mot que l utilisateur a cherché à saisir. Cependant, comme on peut le remarquer à l utilisation ou par l étude des algorithmes utilisés par certains systèmes Open Source, la correction orthographique et le complètement des mots peuvent être encore améliorés, par l analyse du contexte dans lequel se trouve le mot par exemple. Un domaine où la marge d amélioration est grande est notamment la conjugaison des verbes dans certaines langues comme le français. 1.2 Motivations La principale motivation à la création de ce sujet était l absence de correction orthographique pour les applications requérant la saisie de textes dans Firefox OS. Le but était donc de faire bénéficier Boot to Gecko (nom libre du système d exploitation Firefox OS) d un élément devenu indispensable. Il s avère aujourd hui qu un dispositif de correction orthographique et de complètement des mots a été développé par Andreas Gal. Ce système est cependant assez simpliste et pourrait être beaucoup plus efficace, pour le français tout du moins, de l avis de certains utilisateurs. Ce projet est aussi l occasion de proposer une solution plus complète que sur les autres systèmes d exploitation pour mobiles et de la fournir de manière ouverte et documentée afin que tous puissent en profiter. Enfin, la majorité des correcteurs orthographiques, développés pour les plate-formes mobiles ou non, fonctionnent très bien quand il s agit d un texte anglais mais s avèrent plus limités dans les autres langues. Un système d exploitation dont le but est de promouvoir l ouverture se doit de fournir une expérience linguistique similaire pour tous ses utilisateurs, dans toutes les langues dans lesquelles il sera traduit. 3

4 1.3 Défis La difficulté principale de ce projet vient de l environnement mobile. En effet, la correction orthographique et le complètement des mots doivent être à la fois efficaces, rapides et prendre peu de place en mémoire. Il faudra ainsi arriver à trouver des algorithmes efficaces sur des corpus assez petits et penser à des structures de données permettant des recherches rapides. Les points qui seront le plus sensibles à ces problématiques sont : La saisie multilingue : Déterminer la bonne orthographe d un mot sans en connaître la langue est impossible. Il faut donc maintenir un contexte plus large afin de prendre en compte plusieurs langues. L efficacité en pâtit donc. De plus, il faut avoir les corpus de toutes les langues utilisées, ce qui peut prendre beaucoup de place. Avoir la même expérience dans toutes les langues : Non seulement la majorité des algorithmes actuels se basent sur l anglais mais certaines langues se prêtent difficilement à la correction orthographique. L allemand, par exemple, permet la combinaison de plusieurs mots pour en former de nouveaux. Il serait impossible de stocker toutes ces combinaisons mais il est donc difficile de reconnaître un mot connu s il est composé. La prédiction de mots : La prédiction d un mot demande l étude approfondie du contexte, au minimum au niveau de la phrase, voire du texte complet. Elle ne bénéficie cependant pas de davantage de temps que pour le complètement d un mot car le mot suivant ne peut être déterminé que lorsque tous les mots précédents le sont. 1.4 Scénario(s) Correction orthographique multilingue : Un utilisateur (anglais, français) rentre la phrase je tai dit come heer. Le système détecte la faute en français tai et propose t ai. Le système détecte la faute en anglais heer et propose here. Correction orthographique à base de règles : Un utilisateur active la règle de conjugaison des verbes en français. Il saisit la phrase Tu aime les carottes?. Le système détecte la faute sur aime et propose aimes. Prédiction des Entités Nommées: Un utilisateur travaillant à Paris en parle régulièrement par sms ou . Il saisit les mots je vais au travail à. Le système détecte le contexte au travail à et propose Paris. 4

5 2 Synthèse des résultats obtenus # Objectif Statut 1 L utilisateur pourra bénéficier de la correction orthographique simultanée de deux langues à définir dans un fichier d options Échec 2 Les algorithmes de base seront universels Atteint 3 Un système de règles simples à écrire sera activable pour prendre en compte les spécificités de chaque langue 4 Le système se basera sur les sms et s de l utilisateur pour créer son contexte personnel Échec Échec 2.1 Objectif #1 Au vu de la complexité du Traitement Automatique de la Langue, cet objectif était très ambitieux. Cette fonctionnalité n est d ailleurs présente que dans très peu de claviers Android, généralement payants. Au vu du temps disponible pour le projet et des difficultés rencontrées au départ, nous avons décidé de recentrer le travail sur la correction du français car il y a déjà beaucoup à faire dans ce domaine. L ajout d une correction multilingue pourra faire l objet d un travail futur mais il faudra prendre en compte dès le départ la performance car le parcours de trop nombreux candidats pour un mot peut engendrer des délais trop importants pour une correction en direct. 2.2 Objectif #2 Cet objectif est atteint car l algorithme utilisé ne se préoccupe pas de la langue utilisée. Il charge le dictionnaire approprié (donné par la locale choisie par l utilisateur dans les options) et applique les mêmes fonctions. On peut donc rajouter une langue au système sans avoir à changer le code (critère de succès). Cependant, bien que des scripts soient à disposition pour compiler le dictionnaire, il faut avoir un minimum de connaissances en informatique et notamment dans la ligne de commande pour effectuer cette tâche (critère de succès). De plus, ces scripts demandent un schéma particulier pour le corpus depuis lequel sera extrait le dictionnaire et il est fort probable qu il faille les modifier pour une source différente de celles utilisées pour les langues actuellement prises en charge. 5

6 2.3 Objectif #3 Un tel système pour la correction en elle-même paraît finalement assez peu pertinent puisqu il ne serait efficace qu avec un très grand nombre de règles, celles-ci étant au final couvertes par la méthode statistique et encore plus si celle-ci est contextuelle (utilisation des bi-grams par exemple). Elles peuvent cependant être efficaces pour gérer la ponctuation selon la langue (emplacement des espaces insécables en français par exemple) et pour les valeurs des modificateurs de rang dans la correction. En effet, les langues n ayant pas d accent (comme l anglais) n ont pas de raison de mettre en avant les mots accentués alors que le français pourrait en tirer profit. Toutes les langues accentuées n ont pas non plus la même utilisation des accents et cette valeur devrait pouvoir être changée. 2.4 Objectif #4 Les applications sur Boot to Gecko sont soumises à différents niveaux de permissions afin de limiter l accès à certaines ressources du téléphone. C est le cas par exemple de l API SMS (actuellement mozsms sur Boot to Gecko). L application Keyboard, qui gère la correction des mots, possède les privilèges maximaux et peut donc accéder à cette API et donc aux SMS de l utilisateur. Cependant, ce n est pas le cas avec les s car il n y a pas d API particulière pour y accéder. Le manque de temps n a pas permis d essayer d utiliser ces données comme corpus afin de compiler un dictionnaire propre à l utilisateur mais il est envisageable de le faire avec les sms au moins. il serait cependant plus efficace d ajouter la création du dictionnaire à l application SMS elle-même afin de ne compiler le dictionnaire qu une fois et non pas à la volée comme ce serait le cas directement à partir de l application Keyboard. 6

7 3 Implication des ressources 3.1 Erwan Guyader Étant le seul participant du projet, l implication d Erwan a été maximale. Cependant, il a passé plus de temps qu initialement prévu sur l implémentation de la correction orthographique et du complètement de mots. Ce temps prend en compte la mise en place de l environnement de travail qui a été plus longue que prévu. L implication sur la prédiction de mots a finalement été nulle car cet objectif étant trop ambitieux pour un PFE, il a été mis de côté. Enfin, Erwan s est impliqué dans des événements Mozilla qui n avaient pas été anticipés et donc budgétisés. 3.2 Catherine Faron Zucker Catherine s est impliquée dans la relecture et la correction des livrables de management. Ce temps n avait pas été budgétisé. Elle a également suivi le projet et participé à des réunions avec Elena et Erwan pour discuter de l avancée du projet. Ces réunions ont été moins nombreuses que prévu initialement. Enfin, une répétition de la présentation finale du projet n avait pas été prévue. 3.3 Elena Cabrio Elena s est impliquée dans la relecture et la correction des livrables de management. Ce temps n avait pas été budgétisé. Elle a également suivi le projet et participé à des réunions avec Catherine et Erwan pour discuter de l avancée du projet. Ces réunions ont été moins nombreuses que prévu initialement. Elena s est également impliquée dans le rassemblement de documents de recherche utiles au projet. Enfin, une répétition de la présentation finale du projet n avait pas été prévue. 7

8 4 Synthèse des livraisons # Titre du livrable Prévu Livré D1.1 Cahier des charges (DOW) S4 S4 D1.2 Rapport de Management (MGMT) S20 S20 D1.3 Diaporama de présentation finale S20 S20 D2.1 Implémentation de la correction orthographique S14 S19 D2.2 Lots de règles pour français et anglais S14 N/A D2.3 Étude de l existant pour la correction orthographique S6 S20 D3.1 Implémentation du complètement de mots S14 S19 D3.2 Étude de l existant pour le complètement de mots S6 S20 D4.1 Implémentation de la prédiction de mots S19 N/A D4.2 Étude de l existant pour la prédiction de mots S19 N/A D5.1 État de l art sur la correction orthographique S14 S20 D5.2 État de l art sur la complètement de mots S14 S20 D5.3 État de l art sur la prédiction de mots S19 N/A 8

9 5 Suivi budgétaire 5.1 Consommation du budget 5.2 Synthèse Les déviations entre le budget prévisionnel et la consommation réelle tient à plusieurs facteurs. Les cours de management de projet et d anglais, non budgétisés, a consommé 10 heures sur la première semaine à temps plein. Cette semaine a également été impactée par le fait que je sois tombé malade et aie dû rester au lit une partie de la journée du jeudi. De nombreux problèmes à la mise en place de l environnement de travail nécessaire au développement du projet ont mené à la surconsommation de temps imparti au développement et à un retard sur le démarrage du travail sur Boot to Gecko. Ma participation à des événements Mozilla non budgétisés a été intégrée dans les lots et tâches existants. 9

10 6 Suivi des lots 6.1 Lot #1 : Management Objectifs : Identifier au plus tôt un retard sur le planning prévisionnel Recadrer les objectifs du projet si le temps ne permet pas leur réalisation Expliciter les résultats obtenus en fin de projet L identification du retard ne s est pas faite en amont de celui-ci mais elle a tout de même permis de recentrer le projet sur des objectifs moins ambitieux mais réalisables dans le temps imparti par le PFE d une part et restant d autre part. L explicitation des résultats obtenus sera bien effectuée lors de la présentation orale finale. 10

11 Tâches : Tache T1.1 : Planification initiale Planifier le déroulement du projet et réaliser un cahier des charges. Le budget initial de cette tâche ne prévoyait pas les cours de management de projet et d anglais pendant la première semaine à temps plein. Tache T1.2 : Suivi de projet Détecter au plus tôt un retard et faire un compte rendu du déroulement du projet. Cette tâche prévoyait de passer du temps pendant toute la durée du projet sur la préparation du rapport de management. Ce temps a finalement été consommé par l implémentation du projet. Livrables : Livrable D1.1 : Cahier des charges (DOC, Planifiée : 18/11/2012, Réelle : 18/11/2012) Premier aperçu du sujet et planification complète du déroulement du projet. Livrable D1.2 : Rapport de management (DOC, Planifiée : 10/03/2013, Réelle : 06/03/2013) Compte rendu final sur le déroulement du projet. Le responsable des PFE a avancé la date de rendu des rapports de management. Livrable D1.3 : Diaporama de présentation finale (DOC, Planifiée : 03/03/2013, Réelle : 08/03/2013) Présentation du déroulement du projet et des résultats. Une première version a été présentée aux encadrantes de ce projet le 04/03/2013. La date de rendu réelle est la date limite fixée par le responsable des PFE. 11

12 6.2 Lot #2 : Correction orthographique Objectifs : Avoir une correction basique qui marche pour n importe quelle langue Corriger des mots dans 2 langues dans un même texte Améliorer la correction par des règles spécifiques à la langue utilisée La correction basique marche pour n importe quelle langue, sans changement à effectuer dans le code. Ce critère de succès est donc satisfait. La correction dans plusieurs langues pour le même texte a été mise de côté pour sa complexité et le temps nécessaire à son implémentation. Ce critère de succès n est donc pas satisfait. L utilisation de règles spécifiques n a pas été choisie pour son manque de pertinence dans le cadre de ce projet. Ce critère de succès n est donc pas satisfait mais son impact est réduit puisqu il a été jugé non pertinent. 12

13 Tâches : Tache T2.1 : Étude de l existant S inspirer des implémentations existant dans différents systèmes. La séparation entre correction orthographique et complètement de mots est, en pratique, assez difficile à faire pour le genre de système que nous avons souhaité construire dans ce projet. L étude de l existant pour la correction a donc été fusionnée avec celle pour le complètement de mots. Tache T2.2 : Implémentation Produire le correcteur orthographique qui sera intégré au rendu final. Le temps passé sur l implémentation est fortement lié à la difficulté de mise en place de l environnement de travail. Il est aussi dû à la complexité du code existant pour Boot to Gecko et à l étude préalable sur l algorithme de Peter Norvig. De plus, le temps prévu pour la prédiction de mots a été reportée sur la correction orthographique et le complètement de mots. Tache T2.3 : Intégration Rassembler toutes les parties de code réalisées. Le temps passé sur l intégration est principalement le temps passé à reprendre des fonctions implémentées dans la première version du correcteur de Boot to Gecko pour les réintégrer dans la nouvelle version. Tache T2.4 : Revues avec encadrantes - Jalons Montrer l avancée du projet et faire la démonstration des fonctionnalités. Les revues ont été moins nombreuses car la mise en place de l environnement a repoussé le début de l implémentation. Tache T2.5 : Choix techniques Choix des structures de données et de l implémentation concrète des algorithmes. Livrables : Livrable D2.1 : Implémentation de la correction orthographique (LOG, Planifiée : 27/01/2013, Réelle : 28/02/2013) Code source du correcteur orthographique. Le retard pris a repoussé la date de rendu du code et la mise de côté de la prédiction de mots a permis de continuer le développement de la correction orthographique plus longtemps. Livrable D2.2 : Lots de règles pour français et anglais (LOG, Planifiée : 27/01/2013, Réelle : N/A) Règles spécifiques aux langues français et anglais sous forme textuelle. Ces règles n ont pas été créées car il a été décidé de ne pas implémenter un système à base de règles. Livrable D2.3 : Étude de l existant pour la correction orthographique (DOC, Planifiée : 02/12/2012, Réelle : 06/03/2013) État des lieux des implémentations existantes. La rédaction formelle de cet état des lieux a été rendue avec l état de l art. 13

14 6.3 Lot #3 : Complètement de mot Objectifs : Afficher les mots proposés par le correcteur orthographique en cours de saisie Se baser sur le contexte du texte et du corpus (sms et s) pour proposer une liste de mots après la saisie de quelques caractères Utiliser les règles spécifiques du correcteur orthographique afin de proposer la meilleure orthographe dans le contexte (e.g. verbes conjugués) Les mots complétés sont bien affichés à l utilisateur (3 par défaut) et peuvent être des versions modifiées du mot entré par l utilisateur (ou du début du mot entré) et corrigé en application de diverses modifications (ajout d une lettre, échange de 2 lettres, ajout d accents,...). Il n est pas possible (du moins pour le moment) d accéder directement aux s de l utilisateur. L accès aux sms pourrait être envisagé mais n a pas été implémenté dans ce projet. S il est envisagé de l implémenter dans le futur, il serait plus efficace de compiler le dictionnaire à partir de ce corpus depuis l application SMS et non pas à la volée depuis l application Keyboard (qui gère la correction et le complètement des mots). Ce critère de succès n a pas été satisfait car il implique un travail plus poussé sur d autres applications de Boot to Gecko et réclame donc plus de temps. Il a été décidé de ne pas implémenter de système de correction à base de règles et ce critère de succès n est donc pas satisfait. Cependant, l ordre des mots proposés à l utilisateur est fonction de plusieurs constantes selon le type de modification appliquée. Ces constantes pourraient être spécifiques à chaque langue. 14

15 Tâches : Tache T3.1 : Étude de l existant La séparation entre correction orthographique et complètement de mots est, en pratique, assez difficile à faire pour le genre de système que nous avons souhaité construire dans ce projet. L étude de l existant pour la correction a donc été fusionnée avec celle pour le complètement de mots. Tache T3.2 : Implémentation Le temps passé sur l implémentation est fortement lié à la difficulté de mise en place de l environnement de travail. Il est aussi dû à la complexité du code existant pour Boot to Gecko et à l étude préalable sur l algorithme de Peter Norvig. De plus, le temps prévu pour la prédiction de mots a été reportée sur la correction orthographique et le complètement de mots. Tache T3.3 : Intégration Le système présent sur Boot to Gecko implémentait principalement le complètement de mots. Il y a donc eu intégration de la correction orthographique à ce système et non pas intégration du complètement de mots. Tache T3.4 : Revues avec encadrantes - Jalons Les revues ont été moins nombreuses car la mise en place de l environnement a repoussé le début de l implémentation Tache T3.5 : Choix techniques Livrables : Livrable D3.1 : Implémentation du complètement de mots (LOG, Planifiée : 27/01/2013, Réelle : 28/02/2013) Code source du complètement de mots. Le retard pris a repoussé la date de rendu du code et la mise de côté de la prédiction de mots a permis de continuer le développement de la correction orthographique plus longtemps. Livrable D3.2 : Étude de l existant pour le complètement de mots (DOC, Planifiée : 02/12/2012, Réelle : 06/03/2013) État des lieux des implémentations existantes. La rédaction formelle de cet état des lieux a été rendue avec l état de l art. 15

16 6.4 Lot #4 : Prédiction de mot Objectifs : Proposer à l utilisateur les Entités Nommées présentes dans son corpus personnel (sms et s) en fonction du contexte déterminé par les 3 derniers mots Être suffisamment modulaire pour permettre la prédiction d autres mots par la suite Cette fonctionnalité était très ambitieuse pour un PFE car elle réclame des algorithmes contextuels, beaucoup plus complexes à implémenter. Elle réclame en plus l implémentation du corpus personnel de l utilisateur qui a été repoussée pour sa complexité. Il a donc été décidé de ne pas réaliser la prédiction de mots pendant ce PFE et ce critère de succès n a donc pas été satisfait car trop ambitieux. 16

17 Tâches : Tache T4.1 : Étude de l existant Tache T4.2 : Implémentation Tache T4.3 : Intégration) Tache T4.4 : Revues avec encadrantes - Jalons Tache T4.5 : Choix techniques Livrables : Livrable D4.1 : Implémentation de la prédiction de mots (LOG, Planifiée : 03/03/2013, Réelle : N/A) Code source de la prédiction de mots. Livrable D4.2 : Étude de l existant pour la prédiction de mots (DOC, Planifiée : 27/02/2012, Réelle : N/A) État des lieux des implémentations existantes. 17

18 6.5 Lot #5 : État de l art Objectifs : Trouver des algorithmes et structures de données efficaces Penser un système de stockage du dictionnaire qui soit léger Mettre l accent sur le traitement multilingue du langage Les algorithmes de correction orthographique utilisés dans ce projet sont des versions modifiées de ceux de Peter Norvig. L efficacité de la correction et du complètement a été améliorée par rapport à l implémentation présente dans Boot to Gecko et s exécute dans un temps du même ordre de grandeur. Cet objectif est donc un succès. Le dictionnaire est actuellement stocké sous forme de Graphe Orienté Acyclique ternaire (chaque nœud étant représenté par 4 entiers de 32 bits), dans un fichier binaire pour un stockage optimisé sur le disque dur et en mémoire. De plus, le nouvel ensemble de mots constituant ce dictionnaire est plus compressible que le précédent. Cet objectif est donc un succès. Le traitement multilingue est une part complexe du Traitement Automatique du Langage et il a été décidé de recentrer ce projet dans des limites plus raisonnables mais tout aussi intéressantes en cherchant à obtenir la meilleure correction et le meilleur complètement possible pour le français. 18

19 Tâches : Tache T5.1 : Établissement de l état de l art sur la correction orthographique Étude bibliographique sur la correction orthographique. Un état de l art se fait en fonction des besoins du projet. Certains objectifs étant trop ambitieux et m étant donc recentré sur certains lots, l état de l art final est moindre et a nécessité moins de temps. Tache T5.2 : Établissement de l état de l art sur le complètement de mots Étude bibliographique sur le complètement de mots. La raison de la déviation dans le budget est la même que pour la tâche précédente. Tache T5.3 : Établissement de l état de l art sur la prédiction de mots Étude bibliographique sur la prédiction de mots et ouverture pour ce projet. L implémentation de la prédiction de mots ayant été repoussée, l étude documentaire s est portée en premier lieu sur la correction orthographique et le complètement de mots. Livrables : Livrable D5.1 : État de l art sur la correction orthographique (DOC, Planifiée : 27/01/2013, Réelle : 06/03/2013) Étude bibliographique sur la correction orthographique. Accent mis sur les environnements mobiles. Je me suis rendu compte avec ce projet et les articles que j ai été amené à lire pour mes autres cours cette année que l état de l art se construit au fur et à mesure des besoins (chaque article lu apportant potentiellement de nouvelles idées) mais se rédige à la fin du projet, comparant ainsi le travail effectué avec les travaux étudiés. Livrable D5.2 : État de l art sur le complètement de mots (DOC, Planifiée : 27/01/2013, Réelle : 06/03/2013) Étude bibliographique sur le complètement de mots. Accent mis sur les environnements mobiles. Ce livrable a été fusionné avec le livrable D5.1. Livrable D5.3 : État de l art sur la prédiction de mots (DOC, Planifiée : 03/03/2013, Réelle : N/A) Étude bibliographique sur la prédiction de mots. Accent mis sur les environnements mobiles. 19

20 7 Synthèse & Retour d expérience Je considère le projet dans son ensemble comme une réussite. En effet, j ai réussi à améliorer, de mon point de vue, le système de correction de Boot to Gecko en utilisant moins d espace mémoire que précédemment et ce avec des performances (en terme de temps de calcul) tout aussi bonnes. De plus, ce projet m a beaucoup apporté sur le plan personnel. J ai ainsi découvert le Traitement Automatique du Langage et ai eu l occasion de faire des recherches sur ce domaine tout au long de cette année scolaire. Il s est donc inscrit de manière complémentaire aux cours que j ai reçu pendant l année. C était aussi l occasion de contribuer au code de Boot to Gecko et donc au projet Mozilla qui me tient à cœur. La fin du PFE ne signifie pas pour moi l arrêt du travail sur ce projet car je souhaite rajouter beaucoup de fonctionnalités comme la correction contextuelle et la correction en français peut encore être améliorée. Le domaine du TAL est très intéressant et je souhaite poursuivre professionnellement son investigation, en lien avec d autres domaines que j ai pu découvrir cette année et que je souhaite approfondir, le Web sémantique et la fouille de données. Malgré tout, il existe des points qui m ont fait douter au cours de ce projet et qui mériteraient d être corrigés. Je pense notamment à la mise en place de mon environnement de travail. Boot to Gecko étant très jeune (moins d un an de développement au démarrage du PFE), les outils pour travailler sur le code sont assez difficiles d accès. J ai donc eu du mal à les mettre en place et cela m a fait perdre beaucoup de temps. Ce temps aurait pu être employé à intégrer le dictionnaire d éditions en français par exemple. Il aurait été plus facile pour moi de préparer mon ordinateur si mon système d exploitation avait été en 64 bits. Il est usuel pour des développeurs d utiliser un système 64 bits et j aurais dû y penser dès le départ du projet. Bien que j ai pu recevoir beaucoup d aide de la communauté Mozilla, le fait de ne pas réellement travailler en collaboration avec eux sur ce projet a été un frein à mon travail dans une certaine mesure. En effet, la fondation a recruté un nouvel employé qui a commencé à travailler sur le système de prédiction au cours du PFE. Mon contexte de travail a donc été bouleversé et j ai dû passer du temps à assimiler la méthode implémentée par cet employé afin de m assurer que mon travail pourrait constituer une contribution au projet au final. Il s avère que cet employé a créé une nouvelle version dans les dernières semaines du PFE. J ai préféré travailler sur la partie essentielle du projet et ai continué à avancer sans changer de version. Ceci implique donc un travail de portage dans le futur afin que mon travail soit pris en compte. 20