Cet article présente un solveur neuronal profond permettant de résoudre automatiquement des problèmes mathématiques à mots. Contrairement aux approches statistiques précédentes, nous traduisons directement les problèmes mathématiques à mots en modèles d’équations à l’aide d’un modèle à réseaux de neurones récurrents (RNN), sans recourir à une ingénierie de caractéristiques sophistiquée. Nous avons également conçu un modèle hybride combinant le modèle RNN et un modèle de récupération basé sur la similarité, afin d’obtenir une amélioration supplémentaire des performances. Des expériences menées sur un grand jeu de données montrent que le modèle RNN ainsi que le modèle hybride surpassent significativement les méthodes statistiques les plus avancées pour la résolution de problèmes mathématiques à mots.