Un problème important de l'inférence grammatical probabiliste vise
à apprendre automatiquement de bonnes approximations de distributions
de probabilités sur des séquences. Récemment, l'émergence de méthodes
spectrales a amené de nouvelles avancées dans ce domaine en offrant
des solutions élégantes et théoriquement fondées utilisant des
représentations sous la forme d'automates pondérés. Nous présenterons
le principe de ces approches ainsi leur principales propriétés et
leurs différentes extensions.