Retour sur les 10es Journées Internationales de Linguistique de Corpus

Du mardi 26 au jeudi 28 novembre se déroulaient les dixièmes « Journées Internationales de la Linguistique de Corpus » à l’Université Grenoble Alpes [1]. J’ai eu l’honneur d’y représenter le projet et de partager notre travail avec les autres participants, via une présentation nommée « Le projet CONDÉ : présentation. Les défis d’un corpus en diachronie longue », co-conçue avec monsieur Mathieu Goux, docteur en littérature et linguistique  françaises et post-doctorant du projet. Ce dernier n’ayant pu m’accompagner, j’ai assuré seule notre intervention.

J’ai donc décrit notre corpus, angles d’études et chaîne de traitement puis montré nos choix scientifiques concernant l’encodage structurel et les décisions prises en termes de lemmatisation et d’étiquetage morpho-syntaxique, déjà discutées sur ce carnet [2]. J’ai évoqué comme exemple le cas du coutumier de 1578 qui est notre texte pilote pour l’encodage en cours, lequel fera ici l’objet d’un billet ultérieur [3].

Les trois journées ont été extrêmement riches et les participations si nombreuses qu’il a malheureusement fallu faire des choix [4]. Les thèmes abordés étaient variés, du développement langagier aux phraséologismes des textes médiévaux, en passant par les corpora à but didactique. Parmi ces nombreuses présentations, quelques unes ont particulièrement résonné avec mon expérience professionnelle, plus littéraire et codicologique que linguistique. Les quelques illustrations insérées dans ce billet proviennent des fils Twitter de l’événement et montrent justement des présentations dont je ne parlerai pas ci-dessous, afin de donner une vision plus large de ces journées.

Le BAWE project

Tout d’abord, je reviendrai sur l’intervention pleinière de madame Hilary Nesi de l’Université de Coventry, invitée du colloque. Après nous avoir fait remarquer que la linguistique de corpus était là pour résoudre des problèmes, madame Nesi nous a présenté le British Academic Written English (BAWE) corpus [5] dans une intervention nommée « What we (think) we know about academic writing, and what the corpus evidence is ». Le BAWE Project est né de la constatation que les spécificités des genres universitaires peuvent être mal assimilés par les étudiant.e.s et peu ou mal transmis par les enseignant.e.s, ce qui est toujours un problème, particulièrement dans le système universitaire britannique qui repose, en Licence, sur une production écrite extrêmement dense et normée. Le projet a donc créé une base de données formée de productions d’étudiant.e.s des mieux notées, représentatives de toutes les matières, afin de pouvoir analyser ce qui les caractérise via un étiquetage morpho-syntaxique autorisant une analyse multi-dimensionnelle. Cela permet tout d’abord de proposer des exemples de devoirs bien notés, mais également de voir les différences notables de styles et de genres entre les sciences exactes (caractérisées notamment par l’usage massif de la voix passive et de substantifs) et les sciences humaines (présentant bien plus de voix active, d’adjectifs et d’abstraction), mais également entre les différents champs des sciences humaines : l’usage de modaux, de concepts abstraits, l’expression de la causalité apparaissent nettement différents pour chaque style. La conclusion générale du professeur Nesi était donc qu’il est absurde de parler d’un style universitaire quand il diffère fondamentalement selon la matière et le genre de l’exercice.

Panneau d'Elena Boychuk

Panneau d’Elena Boychuk, depuis le fil Twitter de @jlc_grenoble

Florale

J’aimerais ensuite parler de l’outil Florale [6] qui nous a été présenté par monsieur Christian Surcouf de l’Université de Lausanne (« Serait-il plus facile de faire passer un chameau par le chas d’une aiguille ? »). Sa constatation initiale était que le français oral est très peu ou pas traité dans les manuels et les enregistrements et souffre d’une mauvaise réputation auprès des enseignements comme des apprenants qui entrent dans le français via une pratique écrite normée, y compris en milieu francophone. Il fallait donc proposer un outil pour familiariser les apprenants et enseignants à ce type de français pour permettre une meilleure compréhension orale « dans le bain » du quotidien. Le corpus repose pour l’instant sur des émissions radiophoniques dans lesquelles ont été repérés des traits langagiers absents des écrits normés comme des exemples sonores pour les apprenants en général basés sur la lecture d’écrits et faisant l’objet généralement d’une description prescriptive. Le trait langagier étant ainsi difficile à expliquer pédagogiquement et linguistiquement, l’observation de nombreux exemples pourrait aider l’apprenant à se les approprier. 160 traits langagiers ont ainsi été annotés manuellement pour permettre la recherche thématique ou précise, par des spécialistes comme par des néophytes. Le site permet une recherche via quatre thématiques générales repérables par leurs couleurs, puis un système de questions permettant de parcourir les différentes sous-catégories. Ces questions relèvent à la fois d’un souci de vulgarisation desdites sous-catégories et d’une tactique pédagogique destinée à stimuler la curiosité de l’utilisateurice.

Présentation « Erreurs d’apprenants : typologie et annotations » d’A. Todirascu, M. Cargill et I. Buhnila, depuis le fil Twitter de @E_Esperanca

Le projet DEMOCRAT

En troisième lieu j’évoquerai le travail de Marine Delaborde et de Frédéric Landragin, dans le cadre du projet ANR DEMOCRAT [7], dédié à l’analyse détaillée et contrastive des chaînes de coréférence dans un corpus diachronique de textes écrits. La présentation de madame Delaborde s’intitulait : « De la coréférence exacte à la coréférence complexe : une typologie et sa mise en œuvre en corpus ». L’étude des coréférences n’étant possible que sur un corpus annoté et l’annotation étant dépendante de contraintes techniques, des choix scientifiques ont été nécessaires quant aux types de coréférences effectivement annotées. Les outils d’annotation semi-automatique retenus ont été Analec et TXM, sur le modèle URS. L’élaboration de cette méthode a donc nécessité des allers-retours entre théorie linguistique et contraintes techniques, ce qui est parfois difficile : on peut ainsi avoir envie de se réfugier dans l’un et d’ignorer l’autre. Il est parfois important de rappeler que les outils techniques nécessitent des choix scientifiques importants qui, loin de changer la nature des éléments annotés, conditionnent uniquement l’accès que l’on donne au texte.

Présentation de Lotfi Abouda, depuis le fil Twitter de @DracoFLE

Comparaison des dictionnaires de prononciation anglaise du XVIIIe siècle

Les travaux de Sylvie Hanote, Michaël Nauge, Nicolas Trapatea, Franck Zumstein et Jean-Louis Duchet sur les premiers dictionnaires de prononciation anglaise du XVIIIe siècle ont également fait écho à ma formation en humanités numériques comme à ma sensibilité à l’histoire de la langue. Au départ de la présentation « Étude métalexicographique diachronique de l’anglais : méthodes et outils pour des analyses lexicologiques et morphologiques » se trouve un corpus de dictionnaires hétérogènes dans les méthodes de transcription des phénomènes phonétiques qu’ils choisissent respectivement de prescrire, comme dans les normes graphiques utilisées. La première difficulté a donc été de rendre les dictionnaires, une fois encodés en XML, comparables entre eux pour y détecter des variations de langue. Plusieurs scripts Python ont été nécessaires pour, grâce à l’élaboration d’un format-pivôt, effectuer des opérations d’ordonnancement, des calculs de fréquence et de la mesure, entre autres, des liens de variance et covariance, ainsi que la régularisation des mots-vedettes. L’étude systématique de tous les mots et le dressage d’une liste de tous les changements a pu mettre en lumière des phénomènes qui auraient pu être manqués dans un travail manuel sélectif. Les deux présentations ont pu, grâce à ce travail qu’elle nous ont présenté (et celui que je n’ai pas ici la place de rapporter), mettre en avant les différents choix des auteurs. Dans une langue où la prononciation est un marqueur social permettant, ou non, de briguer des postes plus prestigieux, les dictionnaires de prononciation peuvent montrer un conservatisme très marqué, favoriser le maintien de lettres silencieuses et d’une prononciation latinisante par respect pour l’étymologie savante, ou bien proposer plutôt de suivre l’usage oral qui s’en détache. On voit également s’y exprimer les analyses des différents auteurs sur l’évolution de leur langue. Le travail sur ces dictionnaires du XVIIIe siècle est précieux pour l’histoire de la langue anglaise et permettra de mettre en valeur ses évolutions.

Panneau "Digital ou numérique"

Le panneau de L. Zhu et G. Lejeune sur l’usage de « digital » et de « numérique » depuis le tweet de @DracoFLE

Phraséologismes dans les romans médiévaux en prose

Pour finir, je parlerai des travaux présentés par Corinne Denoyel et Julie Sorba : « Phraséologie et genres textuels : étude des phraséologismes construits autour des verbes doner et metre dans le roman médiéval ». Sur un corpus formé de romans en prose et en vers indisponibles en version numérique jusqu’à présent, il a été réalisé un travail d’encodage et d’étiquetage morpho-syntaxique avec LGeRm et TreeTagger afin de tester l’hypothèse de la surreprésentation, dans la langue littéraire, de phraséologismes dans les romans en prose du XIIIe. Le lexicoscope a également été utilisé, pour son approche inductive fonctionnant sur un calcul de spécificité et l’extraction d’arbres lexicosyntaxiques récurrents permettant de faire un lexique des cooccurrences. L’approche est particulièrement intéressante dans l’optique où la notion de genre telle que nous l’avons apprise nous vient de l’époque classique et est donc peu adaptée à la période médiévale. En effet, les genres y étaient bien plus souples et la frontière entre eux fréquemment l’objet d’un jeu littéraire, comme l’a notamment démontré le Pr Dominique Boutet [8], la linguistique de corpus peut donc jouer un rôle déterminant dans la définition de caractéristiques stylistiques pour les différents genres médiévaux. Ainsi, si l’analyse du verbe metre ne permet pas d’infirmer ou de confirmer l’hypothèse, celle du verbe doner, par contre, donne des résultats intéressants : selon les genres attribués, l’emploi du verbe comme verbe support ou avec son sens fort, ainsi que les compléments qui lui sont associés, diffèrent fortement. Nous attendrons avec beaucoup d’intérêt la suite des travaux de l’équipe qui souhaite appliquer cette méthode à d’autres vocables moins liés au thème particulier de chaque genre.

Les panneaux de Viola Kremzer

Les panneaux de V. Kremzer, depuis le tweet de @jlc_grenoble

Et alii

Je soulignerai pour terminer l’enrichissement personnel et professionnel que constitue toujours un tel événement et combien m’ont apporté chaque présentation, bien que je n’aie pas pu rendre compte de toutes ici. Je mentionnerai rapidement les posters exposés mercredi après-midi, les démonstrations données jeudi matin sur les outils Match (Bruno Guillaume) [9] et WinPitch (Philippe Martin) [10], ainsi que les travaux lexicaux, sur des corpus d’apprenants ou parallèles auxquels j’ai pu assister et qui m’ont donné une plus large vue des travaux actuels en linguistique de corpus.

Pour avoir un aperçu des présentations, je vous invite à consulter les fils Twitter #jlc19 et #jlc2019 [11] qui ont été utilisés en parallèle durant les journées.


[1] 10èmes Journées Internationales de Linguistique de Corpus : le site.

[2] Billets des 3 et 25 avril 2019 et présentation du 10 avril 2019.

[3] Le coutumier de Guillaume Terrien a été évoqué dans un précédent billet sur les difficultés de segmenter ce témoin et les solutions mises en place pour faciliter l’encodage à venir.

[4] Le programme et les résumés des interventions sont toujours disponibles en ligne.

[5] Le BAWE project sur le site de l’Université de Coventry. Madame Nesi nous a aussi communiqué l’adresse d’un article portant sur le BAWE project.

[6] L’outil Florale est consultable à cette adresse.

[7] La page du projet DEMOCRAT.

[8] Boutet, Dominique, Poétiques médiévales de l’entre-deux, ou le désir d’ambiguïté, Honoré Champion, Paris, 2017 – Également l’objet de son séminaire passionnant de littérature médiévale à l’université de la Sorbonne en 2015-2016 auquel, alors étudiante en Master d’Études Médiévales, j’avais assisté.

[9] Match.

[10] WInPitch.

[11] Les fils #jlc19 et #jlc2019, le compte des @jlc_grenoble.


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