Nous présentons les grammaires neuronales récurrentes, des modèles probabilistes de phrases dotés d'une structure phrasale explicite. Nous expliquons des procédures d'inférence efficaces qui permettent leur application à la fois au parsing et à la modélisation de langage. Les expériences montrent qu'elles offrent une meilleure analyse syntaxique en anglais que tout autre modèle génératif supervisé publié précédemment, ainsi qu'une meilleure modélisation de langage que les RNNs séquentiels de pointe en anglais et en chinois.