Les performances de traduction des systèmes statistiques dépendent considérablement de la qualité et de la quantité des données d'apprentissage disponibles. Cependant, la plupart des corpus parallèles convenables et librement disponibles proviennent d'organisations internationales (ONU, Parlement européen, etc.). En conséquence, le « style » de ces données d'apprentissage n'est pas très approprié pour construire un système de traduction adapté à des domaines particuliers. Nous présentons, alors, dans ce travail plusieurs techniques et approches pour adapter un système de traduction à un domaine différent spécifique pour lequel on dispose d'une quantité raisonnable de données d'apprentissage. Nous avons obtenu des améliorations significatives du score BLEU avec des systèmes de traduction « adaptés » de l'anglais vers le français.