Dans cet article, nous proposons un processus adversarial pour la synthèse textuelle abstraite, dans lequel nous entraînons simultanément un modèle génératif (G) et un modèle discriminatif (D). Plus précisément, nous construisons le générateur (G) comme un agent d'apprentissage par renforcement, qui prend en entrée le texte brut et prédit la synthèse abstraite. Nous construisons également un discriminateur qui tente de distinguer le résumé généré du résumé de référence. De nombreuses expériences montrent que notre modèle atteint des scores ROUGE compétitifs par rapport aux méthodes les plus avancées sur l'ensemble de données CNN/Daily Mail. Sur le plan qualitatif, nous démontrons que notre modèle est capable de générer des résumés plus abstraits, lisibles et variés.