Nous présentons ici un évaluateur fondé sur un modèle de langage pour la compression de phrases par suppression, en considérant cette tâche comme une suite d’opérations de suppression et d’évaluation effectuées à l’aide de cet évaluateur. Plus précisément, l’évaluateur est un modèle neuronal syntaxique appris à partir des collocations syntaxiques et structurales entre les mots. Ensuite, une série d’opérations itératives de suppression par essai-erreur est menée sur les phrases sources au sein d’un cadre d’apprentissage par renforcement, afin d’obtenir la meilleure compression cible. Une étude empirique montre que le modèle proposé peut générer efficacement des compressions plus lisibles, comparables ou supérieures à plusieurs méthodes de référence robustes. En outre, nous introduisons un ensemble de test de 200 phrases pour un grand jeu de données, établissant ainsi une nouvelle référence pour les recherches futures.