Avec les progrès de la technologie de reconnaissance vocale automatique (ASR), de plus en plus d'applications de traitement du langage naturel (NLP) ont été utilisées dans notre vie quotidienne, telles que la traduction de la langue parlée, la réponse automatique aux questions, la recherche d'informations vocales, etc. Lorsque l'on traite de la parole spontanée reconnue, plusieurs problèmes naturels se posent. Premièrement, la parole reconnue ne comporte pas de ponctuation ni d'informations sur les limites des phrases. Deuxièmement, la parole spontanée contient des disfluences qui ne véhiculent aucune information utile sur le contenu. L'absence de ponctuation et d'informations sur les limites des phrases ainsi que la présence de disfluences affectent les performances des tâches de TALN en aval. Ainsi, l'objectif de ce travail est de développer ou d'améliorer des algorithmes pour détecter automatiquement les limites des phrases, ajouter de la ponctuation et identifier les mots disfluents dans la parole reconnue afin d'améliorer les performances des tâches de TALN en aval.