Nous proposons une adaptation fondée pour la parssage sémantique exécutable en zéro-shot (GAZP), afin d’adapter un parseur sémantique existant à de nouveaux environnements (par exemple, de nouvelles schémas de base de données). GAZP combine un parseur sémantique en avant avec un générateur d’énoncés en arrière pour synthétiser des données (par exemple, des énoncés et des requêtes SQL) dans l’environnement nouveau, puis sélectionne des exemples cohérents par cycle afin d’adapter le parseur. Contrairement à l’augmentation de données, qui synthétise généralement des exemples non vérifiés dans l’environnement d’entraînement, GAZP génère des exemples directement dans l’environnement nouveau, dont la cohérence entre entrée et sortie est vérifiée. Sur les tâches de parssage sémantique en zéro-shot Spider, Sparc et CoSQL, GAZP améliore à la fois la précision de la forme logique et celle de l’exécution par rapport au parseur de base. Nos analyses montrent que GAZP surpasse l’augmentation de données dans l’environnement d’entraînement, que les performances augmentent avec la quantité de données synthétisées par GAZP, et que la cohérence par cycle est au cœur d’une adaptation réussie.