Nous présentons le premier modèle de simplification de phrases qui apprend des opérations d'édition explicites (AJOUTER, SUPPRIMER et CONSERVER) grâce à une approche programmeur-interpréteur neuronale. La plupart des systèmes actuels de simplification de phrases par réseau neuronal sont des variantes de modèles séquence-à-séquence empruntés à la traduction automatique. Ces méthodes apprennent à simplifier les phrases comme un sous-produit du fait qu'elles sont formées sur des paires de phrases complexes-simples. En revanche, notre programmeur-interpréteur neuronal est directement formé pour prédire des opérations d'édition explicites sur les parties cibles de la phrase d'entrée, imitant ainsi la manière dont les humains pourraient effectuer la simplification et la révision. Notre modèle surpass largement les modèles précédents de simplification de phrases neuronaux (sans connaissance externe) sur trois corpus de référence en simplification textuelle en termes de SARI (+0,95 WikiLarge, +1,89 WikiSmall, +1,41 Newsela), et est jugé par les humains produire globalement des phrases plus simples et meilleures.