Nous visons à générer automatiquement des descriptions en langage naturel à partir d'une base de connaissances structurée (KB) en entrée. Notre cadre de génération est basé sur un réseau pointeur capable de copier des faits depuis la base de connaissances d'entrée, et nous y ajoutons deux mécanismes d'attention : (i) une attention sensible aux emplacements pour capturer l'association entre un type d'emplacement et sa valeur correspondante ; et (ii) une nouvelle \emph{attention auto-positionnelle tabulaire} pour capturer les interdépendances entre les emplacements liés. Pour l'évaluation, outre les métriques standards telles que BLEU, METEOR et ROUGE, nous proposons une métrique basée sur la reconstruction de la KB en extrayant une base de connaissances à partir de la sortie générée et en la comparant avec la base de connaissances d'entrée. Nous avons également créé un nouveau jeu de données comprenant 106 216 paires de bases de connaissances structurées et leurs descriptions correspondantes en langage naturel pour deux types d'entités distincts. Les expériences montrent que notre approche dépasse significativement les méthodes les plus avancées actuellement disponibles. La KB reconstruite atteint un score F compris entre 68,8% et 72,6%.