Nous présentons nos expériences menées sur les représentations de caractéristiques basées sur les n-grammes et les embeddings pour l’identification de la langue maternelle (NLI), dans le cadre de la tâche partagée NLI 2017 (équipe : NLI-ISU). Notre système le plus performant sur l’ensemble de test constitué de rédactions écrites a obtenu un F1 macro de 0,8264, fondé sur des caractéristiques de mots unigrammes, bigrammes et trigrammes. Nous avons exploré diverses représentations en n-grammes incluant des unités de mots, de caractères, d’analyses grammaticales (POS) ainsi que des combinaisons mixtes mot-POS. Pour les représentations basées sur les embeddings, nous avons utilisé à la fois des embeddings de mots et des embeddings de documents. Cependant, nos performances ont été relativement faibles avec toutes les représentations par embeddings par rapport aux n-grammes, ce qui pourrait s’expliquer par le fait que les embeddings capturent principalement des similarités sémantiques, alors que les différences linguistiques de première langue (L1) sont davantage d’ordre stylistique.