I work with children with autism. Specifically, I make technologies to help them communicate.
Je travaille avec des enfants atteints d'autisme. Plus précisément, j'élabore des technologies pour les aider à communiquer.
Now, many of the problems that children with autism face, they have a common source, and that source is that they find it difficult to understand abstraction, symbolism. And because of this, they have a lot of difficulty with language.
La plupart des problèmes qu'ils confrontent ont une source commune. Cette source, c'est qu'ils ont des difficultés à comprendre l'abstrait, les symboles. A cause de cela, ils ont beaucoup de difficultés avec le langage.
Let me tell you a little bit about why this is. You see that this is a picture of a bowl of soup. All of us can see it. All of us understand this. These are two other pictures of soup, but you can see that these are more abstract These are not quite as concrete. And when you get to language, you see that it becomes a word whose look, the way it looks and the way it sounds, has absolutely nothing to do with what it started with, or what it represents, which is the bowl of soup. So it's essentially a completely abstract, a completely arbitrary representation of something which is in the real world, and this is something that children with autism have an incredible amount of difficulty with. Now that's why most of the people that work with children with autism -- speech therapists, educators -- what they do is, they try to help children with autism communicate not with words, but with pictures. So if a child with autism wanted to say, "I want soup," that child would pick three different pictures, "I," "want," and "soup," and they would put these together, and then the therapist or the parent would understand that this is what the kid wants to say. And this has been incredibly effective; for the last 30, 40 years people have been doing this. In fact, a few years back, I developed an app for the iPad which does exactly this. It's called Avaz, and the way it works is that kids select different pictures. These pictures are sequenced together to form sentences, and these sentences are spoken out. So Avaz is essentially converting pictures, it's a translator, it converts pictures into speech.
Permettez-moi de vous dire quelques mots sur les raisons. Vous voyez qu'il s'agit de la photo d'un bol de soupe. Nous pouvons tous le voir. Nous le comprenons tous. Voici deux autres images de soupe, vous pouvez voir qu'elles sont plus abstraites, qu'elles sont moins concrètes. Quand vous en arrivez au langage, vous voyez que cela devient un mot dont l'apparence, et la façon dont il sonne, n'ont rien à voir avec ce par quoi on a commencé, ou ce qu'il représente : le bol de soupe. C'est une représentation complètement abstraite, complètement arbitraire, de quelque chose dans le monde réel. C'est la chose avec laquelle les enfants autistes ont d'énormes difficultés. C'est pourquoi la plupart des gens travaillant avec eux -- orthophonistes, éducateurs... -- ils essayent de les aider à communiquer non pas avec des mots, mais avec des images. Donc si un enfant autiste voulait dire : « Je veux de la soupe » il piocherait trois images différentes : « je », « veux » et « soupe », et les rassemblerait, et le thérapeute ou le parent comprendrait ainsi ce que l'enfant veut dire. Cela a été incroyablement efficace ; ces 30, 40 dernières années les gens l'ont appliqué. En fait, il y a quelques années, j'ai développé une application pour iPad qui fait exactement cela. Elle s'appelle Avaz, et son principe c'est que les enfants sélectionnent différentes images. Ces images sont arrangées pour former des phrases, prononcées à haute voix. Donc Avaz consiste principalement à convertir des images, c'est un traducteur, qui convertit les images en langage.
Now, this was very effective. There are thousands of children using this, you know, all over the world, and I started thinking about what it does and what it doesn't do. And I realized something interesting: Avaz helps children with autism learn words. What it doesn't help them do is to learn word patterns. Let me explain this in a little more detail. Take this sentence: "I want soup tonight." Now it's not just the words here that convey the meaning. It's also the way in which these words are arranged, the way these words are modified and arranged. And that's why a sentence like "I want soup tonight" is different from a sentence like "Soup want I tonight," which is completely meaningless. So there is another hidden abstraction here which children with autism find a lot of difficulty coping with, and that's the fact that you can modify words and you can arrange them to have different meanings, to convey different ideas. Now, this is what we call grammar. And grammar is incredibly powerful, because grammar is this one component of language which takes this finite vocabulary that all of us have and allows us to convey an infinite amount of information, an infinite amount of ideas. It's the way in which you can put things together in order to convey anything you want to.
Ça a bien marché. Des milliers d'enfants l'utilisent partout dans le monde, et j'ai commencé à réfléchir à ce qu'elle fait et ce qu'elle ne fait pas. J'ai réalisé quelque chose d'intéressant : Avaz aide les enfants autistes à apprendre des mots. Ce qu'elle ne leur permet pas d'apprendre, ce sont les tournures de phrase. Laissez-moi l'expliquer un peu plus en détails. Prenez la phrase : « Je veux de la soupe ce soir. » Ce ne sont pas que les mots qui donnent le sens. C'est aussi la façon dont ces mots sont ordonnés, la façon dont ces mots sont modifiés et ordonnés. C'est pourquoi une phrase comme « Je veux de la soupe ce soir » est différente d'une phrase comme « Soupe veux je ce soir » qui n'a absolument aucun sens. Il y a donc une autre abstraction cachée ici, à laquelle les enfants autistes ont du mal à faire face, et c'est le fait que vous pouvez modifier les mots, les ordonner pour obtenir des sens différents, communiquer différentes idées. C'est ce qu'on appelle la grammaire. Et la grammaire est un outil très puissant, car elle est un composant du langage qui prend ce vocabulaire limité que nous avons tous et nous permet de communiquer un nombre infini d'informations, un nombre infini d'idées. C'est le moyen qui permet d'assembler des choses afin de communiquer tout ce que vous voulez.
And so after I developed Avaz, I worried for a very long time about how I could give grammar to children with autism. The solution came to me from a very interesting perspective. I happened to chance upon a child with autism conversing with her mom, and this is what happened. Completely out of the blue, very spontaneously, the child got up and said, "Eat." Now what was interesting was the way in which the mom was trying to tease out the meaning of what the child wanted to say by talking to her in questions. So she asked, "Eat what? Do you want to eat ice cream? You want to eat? Somebody else wants to eat? You want to eat cream now? You want to eat ice cream in the evening?" And then it struck me that what the mother had done was something incredible. She had been able to get that child to communicate an idea to her without grammar. And it struck me that maybe this is what I was looking for. Instead of arranging words in an order, in sequence, as a sentence, you arrange them in this map, where they're all linked together not by placing them one after the other but in questions, in question-answer pairs. And so if you do this, then what you're conveying is not a sentence in English, but what you're conveying is really a meaning, the meaning of a sentence in English. Now, meaning is really the underbelly, in some sense, of language. It's what comes after thought but before language. And the idea was that this particular representation might convey meaning in its raw form.
Donc, après avoir développé Avaz, je me suis longtemps demandé comment je pouvais apporter la grammaire aux enfants autistes. La solution m'est venue sous un angle très intéressant. Je suis tombé par hasard sur un enfant autiste discutant avec sa maman, et voilà ce qui s'est produit. Complètement à l'improviste, très spontanément, l'enfant s'est levé et a dit : « manger ». Ce qui était intéressant c'était la façon dont la maman essayait de démêler le sens de ce que l'enfant tentait d'exprimer, en lui posant des questions. Elle a demandé : « Manger quoi ? Tu veux manger de la glace ? Tu veux manger ? Quelqu'un d'autre veut manger ? Tu veux de la glace maintenant ? Tu veux de la glace ce soir ? » Et là, j'ai réalisé que la mère avait fait quelque chose d'incroyable. Elle avait pu amener son enfant à lui communiquer une idée sans grammaire. J'ai réalisé que c'était peut-être ce que je cherchais. Au lieu d'arranger les mots dans un ordre, séquencés, comme une phrase, vous les arrangez selon un plan, tous reliés entre eux, sans les placer les uns après les autres mais sous forme de questions, dans des paires question-réponse. Si vous le faites, ce que vous communiquez n'est pas une phrase en anglais, mais un sens, le sens d'une phrase en anglais. Le sens est, d'une certaine façon, la face cachée du langage, ce qui vient après la pensée mais avant le langage. Et l'idée c'est que cette représentation particulière pourrait communiquer le sens sous sa forme brute.
So I was very excited by this, you know, hopping around all over the place, trying to figure out if I can convert all possible sentences that I hear into this. And I found that this is not enough. Why is this not enough? This is not enough because if you wanted to convey something like negation, you want to say, "I don't want soup," then you can't do that by asking a question. You do that by changing the word "want." Again, if you wanted to say, "I wanted soup yesterday," you do that by converting the word "want" into "wanted." It's a past tense. So this is a flourish which I added to make the system complete. This is a map of words joined together as questions and answers, and with these filters applied on top of them in order to modify them to represent certain nuances. Let me show you this with a different example.
Donc j'étais très excité par cela, sautillant partout, essayant de voir si je pouvais convertir toutes les phrases possibles que j'entendais avec ceci. Je me suis rendu compte que ce n'était pas suffisant. Pourquoi ? Parce que si vous voulez communiquer quelque chose comme une négation, si vous voulez dire « Je ne veux pas de soupe », vous ne le dites pas en posant une question mais en changeant le mot « veux ». Pareil, si vous voulez dire : « Je voulais de la soupe hier », vous le faites en convertissant le mot « veux » par « voulais » C'est du passé. Donc c'est un plus que j'ai ajouté pour rendre le système complet. C'est une carte de mots reliés entre eux dans un modèle de question-réponse, avec ces filtres appliqués au-dessus afin de les modifier pour représenter certaines nuances. Laissez-moi vous le montrer avec quelques exemples.
Let's take this sentence: "I told the carpenter I could not pay him." It's a fairly complicated sentence. The way that this particular system works, you can start with any part of this sentence. I'm going to start with the word "tell." So this is the word "tell." Now this happened in the past, so I'm going to make that "told." Now, what I'm going to do is, I'm going to ask questions. So, who told? I told. I told whom? I told the carpenter. Now we start with a different part of the sentence. We start with the word "pay," and we add the ability filter to it to make it "can pay." Then we make it "can't pay," and we can make it "couldn't pay" by making it the past tense. So who couldn't pay? I couldn't pay. Couldn't pay whom? I couldn't pay the carpenter. And then you join these two together by asking this question: What did I tell the carpenter? I told the carpenter I could not pay him.
Prenons cette phrase : « J'ai dit au charpentier que je ne pouvais pas le payer. » C'est assez compliqué. La façon dont ce système fonctionne, fait que l'on peut commencer la phrase par n'importe quel bout. Je vais commencer avec le mot « dire ». Voici le mot « dire », Ceci est arrivé dans le passé, donc je vais le transformer en « a dit » À partir de là, je vais poser des questions. Qui a dit ? Je l'ai dit. A qui ? Au charpentier. Maintenant, on commence par un autre bout, avec le mot « payer », on ajoute le filtre correspondant pour le transformer en « peux payer », puis, en « ne peux pas payer », et « ne pouvais pas payer », en le conjuguant au passé. Qui ne pouvait pas payer ? Je ne pouvais pas payer. Ne pouvais pas payer qui ? Je ne pouvais pas payer le charpentier. Puis vous joignez ces deux bouts en posant cette question : Qu'est-ce que j'ai dit au charpentier ? J'ai dit au charpentier que je ne pouvais pas le payer.
Now think about this. This is —(Applause)— this is a representation of this sentence without language. And there are two or three interesting things about this. First of all, I could have started anywhere. I didn't have to start with the word "tell." I could have started anywhere in the sentence, and I could have made this entire thing. The second thing is, if I wasn't an English speaker, if I was speaking in some other language, this map would actually hold true in any language. So long as the questions are standardized, the map is actually independent of language. So I call this FreeSpeech, and I was playing with this for many, many months. I was trying out so many different combinations of this.
Réfléchissez-y. C'est - -- (Applaudissements) -- c'est une représentation de cette phrase sans langage. Il y a deux ou trois choses intéressantes à ce propos. D'abord, j'aurais pu commencer dans n'importe quel sens, pas forcément avec le mot « dire », et faire tout ce processus. La seconde chose est que si je ne parlais pas anglais, mais une autre langue, cette carte serait vraie pour n'importe quelle langue. Tant que les questions sont standardisées, la carte est indépendante de la langue. Donc j'ai appelé cela le « FreeSpeech » et j'ai joué avec ceci pendant plusieurs mois. J'essayais plein de combinaisons différentes.
And then I noticed something very interesting about FreeSpeech. I was trying to convert language, convert sentences in English into sentences in FreeSpeech, and vice versa, and back and forth. And I realized that this particular configuration, this particular way of representing language, it allowed me to actually create very concise rules that go between FreeSpeech on one side and English on the other. So I could actually write this set of rules that translates from this particular representation into English. And so I developed this thing. I developed this thing called the FreeSpeech Engine which takes any FreeSpeech sentence as the input and gives out perfectly grammatical English text. And by putting these two pieces together, the representation and the engine, I was able to create an app, a technology for children with autism, that not only gives them words but also gives them grammar.
J'ai remarqué quelque chose de très intéressant avec ceci. J'essayais de convertir le langage, des phrases en anglais en « FreeSpeech », et vice versa, dans les deux sens. J'ai réalisé que cette configuration particulière de représenter le langage, m'a permis de créer des règles très concises entre le « FreeSpeech » d'un côté et l'anglais de l'autre. Je pouvais écrire cet ensemble de règles qui se traduit de cette représentation particulière à l'anglais. J'ai donc développé ce principe. J'ai développé la Machine FreeSpeech qui prend n'importe quelle phrase en FreeSpeech et donne une phrase en un anglais parfaitement correct en grammaire. En assemblant ces deux morceaux, la représentation et la machine, j'ai été capable de créer une application, une technologie pour les enfants autistes, qui leur donne non seulement des mots mais aussi la grammaire. J'ai donc essayé cela avec des enfants autistes,
So I tried this out with kids with autism, and I found that there was an incredible amount of identification. They were able to create sentences in FreeSpeech which were much more complicated but much more effective than equivalent sentences in English, and I started thinking about why that might be the case. And I had an idea, and I want to talk to you about this idea next. In about 1997, about 15 years back, there were a group of scientists that were trying to understand how the brain processes language, and they found something very interesting. They found that when you learn a language as a child, as a two-year-old, you learn it with a certain part of your brain, and when you learn a language as an adult -- for example, if I wanted to learn Japanese right now — a completely different part of my brain is used. Now I don't know why that's the case, but my guess is that that's because when you learn a language as an adult, you almost invariably learn it through your native language, or through your first language. So what's interesting about FreeSpeech is that when you create a sentence or when you create language, a child with autism creates language with FreeSpeech, they're not using this support language, they're not using this bridge language. They're directly constructing the sentence.
et j'ai découvert une quantité incroyable d'identifications. Ils étaient capables de créer une phrase en FreeSpeech beaucoup plus compliquée, mais beaucoup plus efficace que les équivalentes en anglais. J'ai commencé à me demander pourquoi. Et j'ai eu une idée, et c'est de ça dont je veux parler ensuite. Vers 1997, il y a environ 15 ans, un groupe de scientifiques essayait de comprendre comment le cerveau traite le langage, ils ont trouvé quelque chose d'intéressant, que lorsque vous apprenez une langue enfant, à deux ans, vous l'apprenez avec une certaine partie de votre cerveau, quand vous l'apprenez adulte -- par exemple, si je voulais apprendre le japonais tout de suite -- une partie complètement différente de mon cerveau est utilisée. Je ne sais pas pourquoi c'est comme ça, mais je suppose que c'est parce que lorsque vous apprenez une langue adulte, vous l'apprenez invariablement à travers votre langue maternelle, ou à travers votre première langue. Donc ce qui est intéressant avec le FreeSpeech, c'est que lorsque vous créez une phrase ou du langage, un enfant autiste créant du langage avec le FreeSpeech, n'utilise pas de support de langue, ni ce pont entre les langues. Il construit directement une phrase. Donc cela m'a donné une idée.
And so this gave me this idea. Is it possible to use FreeSpeech not for children with autism but to teach language to people without disabilities? And so I tried a number of experiments. The first thing I did was I built a jigsaw puzzle in which these questions and answers are coded in the form of shapes, in the form of colors, and you have people putting these together and trying to understand how this works. And I built an app out of it, a game out of it, in which children can play with words and with a reinforcement, a sound reinforcement of visual structures, they're able to learn language. And this, this has a lot of potential, a lot of promise, and the government of India recently licensed this technology from us, and they're going to try it out with millions of different children trying to teach them English. And the dream, the hope, the vision, really, is that when they learn English this way, they learn it with the same proficiency as their mother tongue.
Est-il possible d'utiliser le FreeSpeech, non seulement pour les enfants autistes, mais aussi pour enseigner les langues aux gens sans handicap ? Donc j'ai tenté un certain nombre d'expériences. La première chose que j'ai faite a été de construire un puzzle dans lequel ces questions et réponses sont codées en formes, en couleurs, les gens les mettent en commun, essaient de comprendre comment ça fonctionne. J'ai élaboré une application, un jeu avec lequel les enfants peuvent jouer avec les mots avec un renforcement auditif de structures visuelles, ils sont capables d'apprendre le langage. Cela a beaucoup de potentiel, c'est très prometteur, le gouvernement indien a récemment autorisé cette technologie, ils vont l'essayer avec des millions d'enfants différents pour leur apprendre l'anglais. Et le rêve, l'espoir, la vision est que lorsqu'ils apprennent l'anglais de cette façon, ils l'apprennent avec la même compétence que leur langue maternelle.
All right, let's talk about something else. Let's talk about speech. This is speech. So speech is the primary mode of communication delivered between all of us. Now what's interesting about speech is that speech is one-dimensional. Why is it one-dimensional? It's one-dimensional because it's sound. It's also one-dimensional because our mouths are built that way. Our mouths are built to create one-dimensional sound. But if you think about the brain, the thoughts that we have in our heads are not one-dimensional. I mean, we have these rich, complicated, multi-dimensional ideas. Now, it seems to me that language is really the brain's invention to convert this rich, multi-dimensional thought on one hand into speech on the other hand. Now what's interesting is that we do a lot of work in information nowadays, and almost all of that is done in the language domain. Take Google, for example. Google trawls all these countless billions of websites, all of which are in English, and when you want to use Google, you go into Google search, and you type in English, and it matches the English with the English. What if we could do this in FreeSpeech instead? I have a suspicion that if we did this, we'd find that algorithms like searching, like retrieval, all of these things, are much simpler and also more effective, because they don't process the data structure of speech. Instead they're processing the data structure of thought. The data structure of thought. That's a provocative idea.
Très bien, parlons de quelque chose d'autre. Parlons de la parole. Ceci est la parole. La parole est le premier mode de communication délivré entre nous tous. Ce qu'il y a d'intéressant avec la parole, c'est qu'elle est unidimensionnelle. Pourquoi ? Parce que c'est du son. Parce que nos bouches sont faites de cette manière. Nos bouches sont faites pour créer un son unidimensionnel. Mais si vous pensez au cerveau, les pensées que nous avons dans nos têtes ne sont pas unidimensionnelles. C'est-à-dire que nous avons ces idées riches, compliquées, multidimensionnelles. Il me semble que le langage est vraiment une invention du cerveau pour convertir cette pensée riche, multidimensionnelle d'une part, en parole d'autre part. Ce qui est intéressant est que l'on travaille beaucoup avec l'information de nos jours, presque tout cela est fait dans le domaine du langage. Prenez Google, par exemple. Google brasse ces innombrables milliards de sites web, tous sont en anglais, quand vous utilisez Google, vous allez sur Google, vous tapez en anglais, et il fait correspondre l'anglais avec l'anglais. Si on le faisait plutôt avec FreeSpeech ? Je suspecte que si nous le faisions, on trouverait que les algorithmes comme « rechercher », comme l'extraction, toutes ces choses, seraient plus simples et aussi plus efficaces, parce qu'ils ne traitent pas la structure des données de la parole. En revanche, ils traitent la structure des données de la pensée. La structure des données de la pensée. C'est une idée provocante.
But let's look at this in a little more detail. So this is the FreeSpeech ecosystem. We have the Free Speech representation on one side, and we have the FreeSpeech Engine, which generates English. Now if you think about it, FreeSpeech, I told you, is completely language-independent. It doesn't have any specific information in it which is about English. So everything that this system knows about English is actually encoded into the engine. That's a pretty interesting concept in itself. You've encoded an entire human language into a software program. But if you look at what's inside the engine, it's actually not very complicated. It's not very complicated code. And what's more interesting is the fact that the vast majority of the code in that engine is not really English-specific. And that gives this interesting idea. It might be very easy for us to actually create these engines in many, many different languages, in Hindi, in French, in German, in Swahili. And that gives another interesting idea. For example, supposing I was a writer, say, for a newspaper or for a magazine. I could create content in one language, FreeSpeech, and the person who's consuming that content, the person who's reading that particular information could choose any engine, and they could read it in their own mother tongue, in their native language. I mean, this is an incredibly attractive idea, especially for India. We have so many different languages. There's a song about India, and there's a description of the country as, it says, (in Sanskrit). That means "ever-smiling speaker of beautiful languages."
Mais regardons-la plus en détails. Ceci est l'écosystème « FreeSpeech ». On a la représentation de « FreeSpeech » d'une part, et la machine « FreeSpeech », qui génère l'anglais. Si vous y réfléchissez, « FreeSpeech » est complètement indépendant du langage. Il ne contient aucune information spécifique en anglais. Tout ce que ce système sait à propos de l'anglais est en fait codé dans l'application. C'est un concept assez intéressant. On encode l'ensemble d'un langage humain dans le programme d'un logiciel. Mais si vous regardez à l'intérieur de cette machine, en fait, ce n'est pas très compliqué. Ce n'est pas un code très compliqué. Ce qui est encore plus intéressant est le fait que la plus grande majorité du code dans cette machine n'est pas vraiment spécifique à l'anglais. Cela donne cette idée intéressante. Il serait très facile pour nous de créer ces machines dans pleins pleins de langues différentes, en Hindi, en Français, en Allemand, en Swahili. Cela donne une autre idée intéressante. Par exemple, en supposant que je sois écrivain disons, pour un journal ou un magazine. Je pourrais créer un contenu en un seul langage : « FreeSpeech ». Et la personne qui achète le contenu, qui lit cette information particulière, pourrait choisir n'importe quelle machine, et le lire dans sa langue maternelle, dans sa langue d'origine. C'est une idée incroyablement tentante, surtout pour l'Inde. Nous avons tant de langues. Il y a une chanson sur l'Inde, où il y a une description du pays comme, ça dit, (en Sanskrit) Cela signifie « toujours souriant parleur de beaux langages ».
Language is beautiful. I think it's the most beautiful of human creations. I think it's the loveliest thing that our brains have invented. It entertains, it educates, it enlightens, but what I like the most about language is that it empowers.
Le langage est magnifique. Je pense que c'est la plus belle création humaine, la chose la plus charmante que notre cerveau ait inventée. Il divertit, il éduque, il illumine, mais ce que j'aime le plus avec le langage c'est qu'il donne du pouvoir.
I want to leave you with this. This is a photograph of my collaborators, my earliest collaborators when I started working on language and autism and various other things. The girl's name is Pavna, and that's her mother, Kalpana. And Pavna's an entrepreneur, but her story is much more remarkable than mine, because Pavna is about 23. She has quadriplegic cerebral palsy, so ever since she was born, she could neither move nor talk. And everything that she's accomplished so far, finishing school, going to college, starting a company, collaborating with me to develop Avaz, all of these things she's done with nothing more than moving her eyes.
Je veux vous quitter avec cela. C'est une photo de mes collègues, mes premiers collègues quand j'ai commencé à travailler sur le langage, l'autisme et autres choses. La fille s'appelle Pavna, et voici sa mère, Kalpana. Pavna est une femme d'affaires, son histoire est beaucoup plus remarquable que la mienne, car elle a environ 23 ans. Elle a une paralysie cérébrale tétraplégique, donc depuis sa naissance, elle n'a jamais pu bouger ni parler. Tout ce qu'elle a accompli jusqu'à maintenant, finir l'école, aller à l'université, démarrer une entreprise, collaborer avec moi pour développer Avaz, toutes ces choses qu'elle a faites avec rien de plus que bouger ses yeux.
Daniel Webster said this: He said, "If all of my possessions were taken from me with one exception, I would choose to keep the power of communication, for with it, I would regain all the rest." And that's why, of all of these incredible applications of FreeSpeech, the one that's closest to my heart still remains the ability for this to empower children with disabilities to be able to communicate, the power of communication, to get back all the rest.
Daniel Webster a dit ceci : « Si tous mes biens m'étaient pris à une exception près, je choisirais de garder le pouvoir de communiquer avec ceci, je pourrais retrouver tout le reste. » C'est pourquoi, de toutes ces applications incroyables de « FreeSpeech », celle qui est la plus chère à mon cœur, est celle qui laisse encore la possibilité de redonner aux enfants handicapés la capacité de communiquer, le pouvoir de la communication, pour récupérer tout le reste.
Thank you. (Applause) Thank you. (Applause) Thank you. Thank you. Thank you. (Applause) Thank you. Thank you. Thank you. (Applause)
Merci. (Applaudissements) Merci. (Applaudissements) Merci. Merci. Merci. (Applaudissements) Merci. Merci. Merci. (Applaudissements)