La génération de requêtes en langage de requête structuré (SQL) à partir du langage naturel est un problème ouvert et persistant. Répondre à une question formulée en langage naturel concernant une table de base de données nécessite de modéliser des interactions complexes entre les colonnes de la table et la question. Dans cet article, nous appliquons l'approche synthétique pour résoudre ce problème. En nous appuyant sur la structure des requêtes SQL, nous décomposons le modèle en trois sous-modules et concevons des réseaux neuronaux profonds spécifiques pour chacun d'eux. Nous nous inspirons de tâches similaires de lecture automatique de textes en utilisant des mécanismes d'attention bidirectionnels et des plongements au niveau des caractères avec des réseaux neuronaux convolutifs (CNNs) pour améliorer les résultats. Les évaluations expérimentales montrent que notre modèle atteint des performances d'état de l'art sur l'ensemble de données WikiSQL.