Nos travaux portent sur la reconnaissance automatique de documents historiques ayant un intérêt fondamental en généalogie : les registres paroissiaux. Nos contributions s’articulent en trois axes. Le premier axe porte sur la reconnaissance de la structure de ces registres. Nous proposons une méthode hybride capable de localiser les actes en s’appuyant sur l’apprentissage de motifs structurels et leur groupement logique à l’aide de règles. Le deuxième axe adresse la reconnaissance du contenu textuel de ces documents. Nous adaptons un réseau de neurone avec mécanisme d’attention pour la reconnaissance d’écriture manuscrite, et montrons l’intérêt d’une reconnaissance conjointe d’écriture manuscrite et entités nommées. Nous étudions également plusieurs stratégies d’apprentissage conjointes. Le troisième axe aborde la génération de documents synthétiques. Nous proposons une méthode pour générer des actes synthétiques, en modélisant les structures de phrases récurrentes des actes et en implémentant des transformations permettant de déformer et dégrader les images synthétisées grâce à des polices manuscrites. Nous montrons l’intérêt de cette stratégie pour réduire le besoin en transcriptions manuelles, qui est un enjeu majeur de ce travail.