Le parsing Text-to-SQL et la réponse de bout en bout aux questions (E2E TQA) sont deux approches principales pour la tâche de réponse aux questions basée sur des tables. Bien qu'elles aient connu des succès sur plusieurs benchmarks, elles n'ont pas encore été comparées et leur synergie reste à explorer. Dans cet article, nous identifions différentes forces et faiblesses en évaluant les modèles d'avant-garde sur des ensembles de données de référence : le Text-to-SQL montre sa supériorité dans la gestion des questions impliquant des opérations arithmétiques et des tables longues ; l'E2E TQA excelle dans la résolution des questions ambiguës, des schémas de table non standard et des contenus de table complexes. Pour combiner ces deux forces, nous proposons une approche synergique de réponse aux questions basée sur des tables qui intègre différents modèles par le biais d'une sélection de réponses, indépendante du type de modèle. Des expériences supplémentaires valident que l'assemblage de modèles par un sélecteur de réponses basé sur les caractéristiques ou par un grand modèle linguistique (LLM) améliore significativement les performances par rapport aux modèles individuels.