Dans cet article, nous décrivons le système soumis à la tâche de traduction automatique de parole hors ligne (Offline Speech Translation Task) de l’IWSLT 2020. Nous adoptons l’architecture Transformer combinée à une approche de méta-apprentissage afin de construire notre système end-to-end de traduction parole-vers-texte (Speech-to-Text Translation, ST). Notre approche de méta-apprentissage permet de surmonter la rareté des données caractéristique de la tâche ST en exploitant les données disponibles des tâches de reconnaissance automatique de parole (ASR) et de traduction automatique machine (MT). L’association de cette approche de méta-apprentissage avec des techniques d’augmentation de données synthétiques permet d’améliorer significativement les performances du modèle, atteignant des scores BLEU de 24,58, 27,51 et 27,61 respectivement sur les jeux de test IWSLT 2015, MuST-C et Europarl-ST.