Les référentiels de lemmatisation du français médiéval : pistes de réflexion

Le projet CONDÉ est heureux de contribuer à la journée d’études « référentiels », consacrée aux référentiels de lemmatisation du français médiéval organisée par Frédéric Duval et Jean-Baptiste Camps à la fin d’octobre à l’Ecole des Chartes. S’inscrivant dans le mouvement d’extension des humanités numériques à un public toujours plus large de chercheur et de practiciens, la journée a pour objectif de faire le point sur les logiciels de standardisation des formes lexicales.

Intervenant après la reconnaissance (semi-)automatique du texte des manuscrits et des imprimés, cette standardisation permet, au-delà de la variation orthographique et grammaticale des mots, de les repérer dans de vastes ensembles textuels. Ainsi, les formes « on », « om », « home », « homme » et « hommes » dans les manuscrits se relient-elles toutes au même vocable, de même que l’infinitif du même verbe se trouve sous les graphies fair, fairs, fairz, fayr, fayre, faier, faiere, etc. 

Tout en conservant l’accès à la graphie d’origine, l’opération de lemmatisation permet ainsi de retrouver automatiquement toutes les occurrences du mot. L’opération permet en outre d’attribuer des valeurs à la forme – « le » est-il l’article de l’homme ou le pronom de le faire ? – qui permettront d’automatiser la recherche et de mieux comprendre les changements dans l’histoire du français et leurs causes, l’époque où le pronom se met à régulièrement précéder l’infinitif qu’il suivait comme dans les homes poent suirre de meffez … & defendre les, tirés du Grand coutumier, la fréquence de chaque structure à travers le temps et les causes de ce changement.

Fig. 1 – Lemmes proposés par le DMF pour l’entrée “faier”

Si l’importance de la lemmatisation pour un corpus remontant à une époque où la standardisation de l’écrit ne se manifestait pas avec la régularité qu’elle a prise avec la révolution de l’imprimerie, c’est peu dire que d’affirmer que les démarches ne font pas l’objet d’un consensus. Quel jeu d’étiquette faut-il définir avant toute opération d’étiquetage ? Dans Me défendre, « me » est-il un pronom, ou un clitique ? Quelle granularité faut-il utiliser ? Faut-il marquer le genre, le nombre, la personne, le statut de pronom personnel, la fonction d’objet de le ? Plus la granularité est fine, plus les divergences sont susceptibles de se manifester dans les jeux d’étiquettes : faut-il parler d’accusatif ou d’objet direct pour le défendre ? Un grain très fin est susceptible de demander plus d’intervention humaine (ce qui permettra ainsi de distinguer la fonction objet de me dans il me défend et d’objet indirect dans il me le donne), mais il pose surtout le risque de réduire l’accessibilité des fonctionnalités de recherche pour les non-spécialistes et les chercheurs débutants.

Ces difficultés illustrent l’urgence d’une pratique convergente, et de sortir des positionnements où chacun s’arc-boute sur ses choix. Les membres du projet contribuent à la journée sous deux rapports : le partage de l’expérience développée dans l’opération de lemmatisation en cours du corpus des coutumiers normands d’une part ; d’autre part, nous aurons le plaisir d’animer la table-ronde sur les référentiels d’annotation morpho-syntaxique. L’espoir est qu’à partir des outils disponibles, l’on arrive à se mettre d’accord sur une façon d’avancer pour des logiciels librement disponibles, robustes, et d’usage intuitif. Affaire à suivre donc…


Vous aimerez aussi...

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search