@inproceedings{naguib-etal-2022-vers,
    title = "Vers la compr{\'e}hension automatique de la parole bout-en-bout {\`a} moindre effort (Towards automatic end-to-end speech understanding with less effort)",
    author = "Naguib, Marco  and
      Portet, Fran{\c{c}}ois  and
      Dinarelli, Marco",
    editor = "Est{\`e}ve, Yannick  and
      Jim{\'e}nez, Tania  and
      Parcollet, Titouan  and
      Zanon Boito, Marcely",
    booktitle = "Actes de la 29e Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Volume 1 : conf{\'e}rence principale",
    month = "6",
    year = "2022",
    address = "Avignon, France",
    publisher = "ATALA",
    url = "https://preview.aclanthology.org/jlcl-multiple-ingestion/2022.jeptalnrecital-taln.25/",
    pages = "257--268",
    language = "fra",
    abstract = "Les approches de compr{\'e}hension automatique de la parole ont r{\'e}cemment b{\'e}n{\'e}fici{\'e} de l`apport de mod{\`e}les pr{\'e}appris par autosupervision sur de gros corpus de parole. Pour le fran{\c{c}}ais, le projet LeBenchmark a rendu disponibles de tels mod{\`e}les et a permis des {\'e}volutions impressionnantes sur plusieurs t{\^a}ches dont la compr{\'e}hension automatique de la parole. Ces avanc{\'e}es ont un co{\^u}t non n{\'e}gligeable en ce qui concerne le temps de calcul et la consommation {\'e}nerg{\'e}tique. Dans cet article, nous comparons plusieurs strat{\'e}gies d`apprentissage visant {\`a} r{\'e}duire le co{\^u}t {\'e}nerg{\'e}tique tout en conservant des performances comp{\'e}titives. Les exp{\'e}riences sont effectu{\'e}es sur le corpus MEDIA, et montrent qu`il est possible de r{\'e}duire significativement le co{\^u}t d`apprentissage tout en conservant des performances {\`a} l'{\'e}tat de l`art."
}