Ce travail présente une nouvelle approche pour la synthèse abstraite non supervisée, fondée sur la maximisation d'une combinaison de couverture et de fluidité sous une contrainte de longueur donnée. Il introduit une méthode originale qui encourage l'inclusion de termes clés provenant du document original dans le résumé : ces termes clés sont masqués dans le document initial et doivent être reconstruits par un modèle de couverture à partir du résumé actuellement généré. Une procédure d'apprentissage non supervisée novatrice exploite à la fois ce modèle de couverture et un modèle de fluidité pour générer et évaluer les résumés. Lorsqu'elle est testée sur des jeux de données populaires de synthèse de nouvelles, la méthode dépasse les méthodes non supervisées précédentes de plus de 2 points R-1, et s'approche des résultats obtenus par des méthodes supervisées compétitives. Notre modèle atteint un niveau plus élevé d'abstraction, avec des passages copiés d'une longueur approximativement deux fois plus courte que les travaux antérieurs, tout en apprenant à compresser et fusionner des phrases sans supervision.