Nous présentons une palette de modèles probabilistes que le LIA a employée dans le cadre du défi DEFT'05. La tâche proposée conjuguait deux problématiques distinctes du TALN : l'identification de l'auteur (au sein de discours de Chirac, a pu être insérée une séquence de phrases de Mitterrand) et la détection de ruptures thématiques (les thèmes abordés par les deux présidents sont censés être différents). Pour identifier la paternité de ces séquences, nous avons utilisé des chaînes de Markov, des modèles bayésiens, et des procédures d'adaptation de ces modèles. Pour ce qui est des ruptures thématiques, nous introduisons une méthode probabiliste modélisant la cohérence interne des discours. L'expérience montre la supériorité d'une stratégie combinant apprentissage, cohérence et adaptation.