La dysarthrie est un trouble de la réalisation motrice de la parole résultant d'une lésion du système nerveux central ou périphérique. Elle peut être associée à plusieurs pathologies et affecter différents niveaux de production de la parole. L'évaluation perceptive reste la méthode la plus utilisée pour évaluer la parole dysarthrique. Cependant, cette évaluation reste une tâche non triviale, assez coûteuse et subjective (variabilités intra et inter-juges importantes) même lorsqu'elle est réalisée par des experts. Le but de ce travail1 est la mise en place de méthodes objectives et fiables pour l'assistance des cliniciens dans l'évaluation de la dysarthrie et de son évolution. Deux corpus de données sont utilisés dans cette étude. Le premier est composé d'enregistrements longitudinaux de 8 patients atteints de maladies de surcharges lysosomales d'origine génétique. Ces enregistrements ont été annotés par un expert, précisant pour chaque phonème s'il est ”normal” ou non. Ce corpus dispose aussi d'enregistrements de 6 contrôles sains utilisés pour modéliser la parole normale. Le deuxième corpus comprend des enregistrements de 89 patients atteints de plusieurs pathologies (Maladie de Parkinson, Sclérose Latérale Amyotrophique, ataxies cérébelleuses) ainsi que de 29 contrôles. Pour ce corpus, on dispose, pour chaque patient, d'une évaluation perceptive de la parole réalisée par un jury de 11 experts sur divers critères tels que le grade global de sévérité, la réalisation articulatoires et l'intelligibilité [1] [2]. Les locuteurs des deux corpus ont lu le même texte; ”tic tac” de la batterie C. Chevrie-Müller. Ce travail fait suite à une étude précédente [3] et présente l'originalité de modéliser à la fois la parole normale et la parole dysarthrique. Différentes techniques et outils issus du traitement automatique de la parole sont utilisés dans ce travail. Ces outils fournissent, dans un premier temps, un alignement automatique de la parole contraint par le texte résultant en des frontières de début et de fin pour chaque phonème. Plusieurs paramètres et scores acoustiques sont ensuite calculés pour chaque phonème et utilisés pour modéliser la parole dysarthrique (patients) et la parole normale (contrôles) suivant différentes catégories phonétiques (consonnes sourdes, consonnes sonores, voyelles orales, voyelles nasales). Une classification automatique basée sur des SVM (Support Vector Machine) [4] permet finalement de labelliser tout phonème donné en entrée comme normal ou déviant. Cette nouvelle approche a prouvé sa pertinence et la capacité du système à détecter les anomalies. En effet, l'analyse des résultats sur le premier corpus montre que le système arrive à détecter la majorité des anomalies annotées par l'expert (81%). Ce résultat est conforté par le deuxième corpus pour lequel le taux de phonèmes annotés comme anormaux pour chaque patient présente une très forte corrélation avec les différentes mesures d'évaluation perceptive pour les différentes pathologies. Cependant, le système a tendance à être plus sévère que l'expert en détectant plus d'anomalies. Dans cet optique, de futurs travaux permettront d'étudier la relation entre la précision de l'alignement automatique et la détection d'anomalies. Le comportement du système face à la parole spontanée sera également étudié.