J. Bres, P. Haillet, S. Mellet, H. Nølke, and L. Et-laurence-rosier, Dialogisme, polyphonie : approches linguistiques, 2005.
URL : https://hal.archives-ouvertes.fr/hal-00445259

E. Brunet and L. Vanni, Deep learning et authentification des textes, Texto!, 2019.
URL : https://hal.archives-ouvertes.fr/hal-02561039

E. Brunet, L. Lebart, and L. Et-vanni, (sous la dir.), L'intelligence artificielle des textes. Points de vue critique, 2020.

. Cahiers-de-praxématique, Sémantique de l'intertexte, p.33, 1999.

M. Ducoffe, D. Mayaffre, F. Precioso, F. Lavigne, L. Vanni et al., Machine Learning under the light of Phraseology expertise: use case of presidential speeches, De Gaulle -Hollande (1958-2016), JADT 2016 -Statistical Analysis of Textual Data, pp.157-168, 2016.
URL : https://hal.archives-ouvertes.fr/hal-01343209

Y. Kim, Convolutional neural networks for sentence classification, Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP), 2014.

P. Lafon, Sur la variabilité de la fréquence des formes dans un corpus, p.1, 1980.

L. Lebart, B. Pincemin, and C. Et-poudat, Analyse des données textuelles. P.U n°Québec, 2019.

L. Lebart and A. Salem, , 1994.

D. Longrée and S. Et-mellet, Le motif : une unité phraséologique englobante ? Étendre le champ de la phraséologie de la langue au discours, Langages, vol.189, pp.65-79, 2013.

D. Mayaffre, Les corpus réflexifs : entre architextualité et hypertextualité. Corpus, 1, 2002.

D. Mayaffre, Le discours présidentiel sous la Vème République

D. Mayaffre, 2012-b), Mesure et démesure du discours. Nicolas Sarkozy, 2007.

D. Mayaffre, Plaidoyer en faveur de l'Analyse de Données co(n)Textuelles Parcours cooccurrentiels dans le discours présidentiel français (1958-2014), JADT 2014, Proceedings of the 12th International Conference on Textual Data Statistical Analysis, Inalco-Sorbonne nouvelle, pp.15-32, 2014.

D. Mayaffre, Macron par l'intelligence artificielle. Ses discours décryptés par la machine

D. Mayaffre, C. Bouzereau, M. Guaresi, F. Precioso, and L. Et-vanni, Du texte à l'intertexte. Le palimpseste Macron au révélateur de l'intelligence artificielle, 7 ème Congrès Mondial de Linguistique Française, 2020.
URL : https://hal.archives-ouvertes.fr/hal-02520224

, Mayaffre D (sous la dir.) (2020-sous presse). L'intelligence artificielle des textes

G. Montavon, W. Samek, and K. Müller, Methods for interpreting and understanding deep neural networks, Digital Signal Processing, vol.73, 2018.

F. Rastier, Enjeux épistémologiques de la linguistique de corpus. Texto !, JADT 2020 : 15 es Journées internationales d'Analyse statistique des Données Textuelles, 2004.

A. Salem, Approches du temps lexical. Statistique textuelle et séries chronologiques, Mots, vol.17, pp.105-143, 1988.

L. Vanni, M. Ducoffe, D. Mayaffre, F. Precioso, and D. Longrée, Text Deconvolution Saliency (TDS) : a deep tool box for linguistic analysis, 56th Annual Meeting of the Association for Computational Linguistics, 2018.
URL : https://hal.archives-ouvertes.fr/hal-01804310

L. Vanni, D. Mayaffre, and D. Longrée, ADT et deep learning, regards croisés. Phrases-clefs, motifs et nouveaux observables, dir.) JADT, pp.459-466, 2018.

L. Vanni, M. Corneli, D. Mayaffre, and D. Precioso, From text saliency to linguistic objects:learning linguistic interpretable markers with a multi-channels convolutional architecture, 57th Annual Meeting of the Association for Computational Linguistics