Navigation – Plan du site
Outils et médiations des savoirs

S’approprier des instruments d’observation de la langue pour élaborer des recherches : le TLFi et Frantext pour des étudiants de linguistique

Cécile Fabre et Michelle Lecolle
p. 139-152

Résumé

Nous proposons ici une réflexion née de plusieurs expériences d’enseignement, au cours desquelles nous avons cherché à intégrer dans le cursus d’étudiants en sciences du langage la maîtrise et l’utilisation d’outils informatiques permettant l’exploration de ressources linguistiques – corpus ou dictionnaires informatisés. Nous exposons tout d’abord les objectifs de cet enseignement : il s’agit de faire en sorte que les étudiants acquièrent des savoir-faire qui leur permettront de constituer des données linguistiques destinées à alimenter leurs travaux personnels. Ce type d’approche permet également de poursuivre des objectifs plus immédiats : amener les étudiants à développer une attitude active face aux données langagières à travers différentes activités de recherche, d’observation, de tri, d’analyse ; développer chez eux la capacité à formuler par eux-mêmes des hypothèses qu’ils doivent se donner les moyens de mettre à l’épreuve en les formulant dans des langages de requête, et en les vérifiant par l’analyse scrupuleuse des données recueillies. C’est donc ici l’apprentissage d’une approche inductive que nous décrivons, en nous appuyant sur deux types de ressources, Frantext et le Trésor de la Langue Française Informatisé, et en montrant à partir de plusieurs exemples précis d’activités comment une démarche active de collecte de données favorise l’élaboration du travail de description linguistique

Haut de page

Texte intégral

Introduction

  • 1 Aux départements de sciences du langage de l’Université de Toulouse-Le Mirail et de l’Université Pa (...)

1Dans cet article, nous proposons une réflexion née de plusieurs expériences d’enseignement1, au cours desquelles nous avons cherché à intégrer dans le cursus d’étudiants en linguistique la maîtrise et l’utilisation d’outils informatiques permettant l’exploration de ressources linguistiques – corpus (Frantext) ou dictionnaire informatisé (Trésor de la Langue Française informatisé). Ces enseignements ont pour objectif, au-delà de la familiarisation avec les objets « dictionnaire » et « corpus », l’acquisition par les étudiants d’un savoir-faire leur permettant de constituer des données linguistiques destinées à alimenter leurs travaux personnels, et de développer leurs capacités de description et d’analyse de ces données.

2À travers cet exposé, nous chercherons à montrer la part que peut prendre, pour un étudiant, une expérience de recherche empirique sur des données dans un travail d’observation et de conceptualisation à partir de la langue et des discours. Selon la formule de Rastier (2005), « les données sont ce qu’on se donne » : ainsi, c’est bien le travail de constitution, de classement et de formalisation des observables à partir de faits linguistiques issus de textes ou d’énoncés lexicographiques qui est considéré ici comme le point de départ de la recherche. Pour isoler et systématiser ce qui sera ensuite considéré comme pertinent, l’étudiant doit en effet acquérir et aiguiser une pratique réflexive et introspective à partir de sa propre langue. Dans cette perspective, apprentissage technique d’un outil automatisé et observation des données langagières vont de pair et s’alimentent mutuellement. Les activités d’exploration du dictionnaire informatisé et de corpus amorcent ainsi le processus de description que décrit Martin, fondé sur la collecte de données et la sélection d’observables :

« La première tâche du linguiste est d’observer et de décrire : son étude portant sur un objet du monde qui préexiste à son investigation, celui-ci se prête, par nature, à un traitement empirique. A vrai dire, cette question en présuppose une autre qui est : « Quoi décrire ? » ; « Quels sont les faits qui se prêtent à la description et comment les collecter ? » (Martin 2002 : 19)

3La confrontation à des données langagières qu’il a lui-même collectées amène l’étudiant à s’interroger sur les caractéristiques de l’objet linguistique qu’il cherche à circonscrire, et, pour reprendre à nouveau les termes de Martin, à « applique[r] aux faits collectés des principes [...] de description » pour esquisser une « synthèse descriptive ».

4Nous présentons successivement les activités que nous avons conçues autour du Trésor de la Langue Française Informatisé (désormais TLFi)etde Frantext pour initier cette démarche d’analyse. Nous commençons dans les deux cas par exposer les principales fonctionnalités des deux environnements de travail, les compétences générales qui sont sollicitées par l’appropriation de ces instruments, avant de montrer à partir d’exemples de recherche précis comment s’élabore le travail de description linguistique.

1. Le TLFi2 : découverte de nouveaux modes d’exploration des données lexicales

5Les dictionnaires informatisés sont des supports utiles pour qui veut susciter l’intérêt des étudiants vis-à-vis des dictionnaires, et initier de nouvelles démarches pour exploiter les ressources qu’ils contiennent. Le support informatique change le regard porté sur les dictionnaires, et facilite la découverte. Au-delà du seul TLFi, l’accès à de nombreux dictionnaires numérisés via le site du laboratoire ATILF ou celui du projet ARTFL3 qui met en ligne des dictionnaires de différentes époques, rend possibles des travaux pratiques sur machine et crée les conditions d’un travail d’observation différent. Une séance de travaux dirigés combinant la découverte de ces deux sites permet de mesurer avec précision et dans toutes ses dimensions la « révolution électronique » dont parle Jean Pruvost (2006 :153). En effet, le balisage de différents champs de description (les objets textuels) multiplie des modes d’accès au contenu ; l’expression de la requête est facilitée par un ensemble de fonctionnalités (troncature, approximation orthographique, calcul phonétique) ; des cheminements nouveaux sont suscités par des liens hypertextuels internes (parcours analogiques) ou externes (accès à des ressources complémentaires – Frantext et dictionnaires de l’Académie notamment). Enfin, les modes de visualisation se diversifient (listage des entrées, concordances, mise en relief des zones pertinentes par des codes de couleurs...). Ces environnements créent les conditions d’un renouveau de l’intérêt pour les dictionnaires et offrent des pistes nouvelles pour leur exploitation. Les étudiants sont alors prêts à un apprentissage technique relativement rébarbatif parce qu’ils peuvent aussitôt le mettre en pratique et en saisir les bénéfices pour leur formation en linguistique. Le TLFi offre sans conteste les potentialités les plus riches parmi les dictionnaires du français pour engager cette démarche d’exploration et de collecte de données lexicales.

1.1. Utilisation avancée du TLFi

6Le TLFi donne accès à l’ensemble des informations que renferme le TLF lui-même, mais sous le jour particulier que permet une recherche automatisée. Nous en citons pour mémoire quelques particularités, l’essentiel des possibilités offertes par le TLFi étant détaillée dans Dendien et Pierrel (2003).

  • 4 L’exemple est lui-même structuré en plusieurs objets textuels comprenant le texte lui-même, les sou (...)

7Tout d’abord, à l’ordre alphabétique du dictionnaire est substituée une interrogation directe par mot-vedette, ou par le biais d’autres champs d’information rendus accessibles grâce à une structuration et un balisage systématiques des articles. Ceux-ci sont en effet décomposés en « objets textuels » (jusqu’à 40) correspondant aux éléments traditionnels de composition d’une microstructure : mot-vedette, catégorie et morphologie, définition, exemples4, indicateurs de domaine, indicateurs grammaticaux, sémantiques et « stylistiques », synonymes et antonymes, constructions, etc. C’est cette structuration des 100.000 entrées (vedettes ou sous-vedettes) du TLFi qui permet alors à l’utilisateur d’accéder directement à des informations ciblées sur les contenus de certains objets, de systématiser ses requêtes et de les croiser. La recherche peut ainsi concerner plusieurs objets textuels entretenant entre eux des liens hiérarchiques de dépendance (lorsqu’un objet est situé dans la portée d’un autre objet) ou d’inclusion (dans le cas d’objets composites comme l’entrée ou l’exemple). A titre d’exemple, le « contenu » musique (mus.) dans l’objet textuel DOMAINE TECHNIQUE peut être croisé avec le « contenu » substantif dans l’objet textuel CODE GRAMMATICAL pour accéder à l’ensemble des substantifs dont un des sens au moins relève du domaine de la musique. De fait, la structuration de la ressource et l’outil de recherche introduisent la possibilité d’accéder très facilement à une information complexe perdue au cœur des dictionnaires papier.

8La formulation de contenus textuels spécifiques permet par ailleurs d’exprimer des contraintes sur le positionnement des éléments ciblés dans l’objet (place dans la définition, par exemple – voir infra pour des illustrations), d’obtenir toutes les formes fléchies d’un même lexème, d’exclure certains types d’éléments, d’intégrer des éléments non connus a priori (mots quelconques), de gérer des listes constituées manuellement par l’usager ou extraites automatiquement du dictionnaire sur la base de critères graphiques. On peut ainsi par exemple obtenir la liste des substantifs se terminant par -age, et restreindre les résultats à ceux dont la définition débute par action. L’utilisateur disposera alors facilement d’un corpus de mots sur lequel exercer sa sagacité.

  • 5 Pour des exemples de recherche complexe, voir Tableau 1 et Tableau 2 infra.

9L’utilisation avancée du TLFi sur laquelle nous basons nos pratiques d’enseignement consiste à utiliser pleinement les fonctionnalités du mode de « recherche complexe »5 (Dendien et Pierrel 2003 : 27). Pour des usagers novices, cela passe par un apprentissage technique assez exigeant, qui suppose avant toute chose d’acquérir une bonne connaissance des objets textuels manipulables. Il est néanmoins rapidement payant. A l’issue d’un apprentissage de quelques heures, les étudiants sont à même de mener de petites études linguistiques portant sur des données qu’ils auront eux-mêmes construites.

10Un enseignement articulé autour de la découverte du TLFi permet ainsi de développer diverses compétences complémentaires et facilite plusieurs types d’initiation :

11Des compétences techniques : il s’agit d’apprendre à formuler les requêtes, ce qui passe par l’apprentissage d’une syntaxe particulière dans la formulation des « contenus », et surtout par la maîtrise de l’expression des liens logiques entre objets textuels (Pierrel 2003). Au-delà, le TLFi est un point de départ profitable pour amener les étudiants à la compréhension de certaines procédures informatiques qui constituent la base des traitements appliqués aux données langagières : lemmatisation (permettant d’obtenir toutes formes fléchies d’un même lexème), création de listes de mots à partir de critères proches des expressions régulières, sensibilisation aux techniques de balisage de textes structurés, etc. ;

12Des compétences lexicographiques : la maîtrise des aspects techniques amène les étudiants à acquérir une connaissance approfondie de la microstructure du TLF. Il s’agit de connaître les différents objets qui la structurent (définition, indicateur, construction syntaxique, crochets...), les liens hiérarchiques qu’ils entretiennent, et de savoir par quels types d’objets textuels une information donnée est codée. Un contact préalable avec la version papier du dictionnaire s’avère utile ;

13Des compétences linguistiques : l’objectif premier de cet enseignement est d’amener l’étudiant à avoir plus tard le réflexe de puiser dans le TLFi certaines des données dont il a besoin. Cette démarche s’appuie sur les enseignements donnés dans des modules de linguistique générale, en particulier de lexicologie, et les renforce. Les étudiants peuvent notamment obtenir des dérivés d’un lexème base, étudier la valeur sémantique des suffixes (en observant par exemple les indicateurs associés aux adjectifs en -eux, les domaines couverts par les noms en -ose), les différentes dimensions de variation du vocabulaire (vocabulaire argotique, familier, usages régionaux...), l’organisation sémantique du vocabulaire (en rassemblant par exemple le vocabulaire qui concerne la prison, ou qui a trait à l’activité de manger, etc.) ;

  • 6 La précision mesure la proportion de réponses satisfaisantes parmi les réponses obtenues ; le rappe (...)

14Des compétences méthodologiques : le recours à l’outil informatique, désormais banalisé chez les étudiants, est mis en perspective et questionné de diverses manières par ce type d’utilisation. Ils doivent apprendre à ne pas tout attendre de l’outil, à combiner requêtes automatiques et filtrage manuel pour se conformer à un réel objectif de recherche. Une réflexion concrète sur les notions de précision et de rappel des requêtes6 est très bénéfique. Comment évaluer la performance d’une requête ? Comment s’assurer qu’elle ne passe pas à côté de résultats pertinents ? Avec le TLFi, les étudiants découvrent qu’il ne suffit pas qu’une requête donne un résultat pour qu’on puisse s’en satisfaire, mais qu’il faut observer de très près les résultats et réitérer la recherche. C’est un excellent moyen d’aiguiser le regard sur les données linguistiques et d’acquérir du recul par rapport à leur utilisation courante de l’informatique.

1.2. Un instrument pour réunir des matériaux lexicaux

15En somme, comme nous le soulignerons aussi plus bas à propos des corpus de textes, l’acquisition par les étudiants des compétences citées à propos du TLFi permet de les sensibiliser à des objectifs de recherche concrets. S’il n’est pas possible de mener à bien avec des étudiants peu avancés des recherches à grande échelle, l’utilisation du TLFi les met néanmoins sur la piste d’expériences de recherches lexicales réalistes, utiles à ceux qui travaillent sur la langue. Nous développons à présent quelques exemples d’expériences réelles qui permettront d’illustrer les va-et-vient et les tâtonnements fructueux qu’occasionne le couplage apprentissage technique/observation des résultats fondée sur la compétence linguistique et l’observation réflexive.

Premier exemple : constituer une liste de mots selon des critères graphiques

  • 7 Cette activité a été inspirée par une séquence pédagogique réelle.

16Dans le cadre d’une activité d’expression écrite, un professeur des écoles souhaite constituer un lexique des mots qui riment avec bulle. Ce lexique doit permettre d’aider ses élèves de CE1 à écrire de petits textes en puisant dans un vocabulaire proposé7. Les étudiants ont pu réaliser cette activité dans le cadre d’un travail dirigé : une liste (nommée ule) est extraite automatiquement du dictionnaire selon un critère formel permettant de traduire au mieux cette contrainte sur le plan graphique. L’essentiel du travail consiste à construire la liste ule. Pour mener à bien la recherche, c’est-à-dire pour éliminer les réponses non pertinentes d’une part (limiter le bruit) et obtenir le maximum de réponses pertinentes d’autre part (éviter le silence), l’étudiant doit étudier tous les paramètres de la question (et, dans les faits, les découvrir progressivement). La recherche de mots qui riment avec bulle nécessite que ces mots se terminent par les sons [yl]. Cette première contrainte doit amener l’étudiant à réfléchir conjointement au code graphique et à la phonie : il devra par exemple éliminer en finale les suites graphiques ne se prononçant pas [yl], soit -eul(e), -oul(e), -aul(e). Il devra également enrichir la liste en envisageant les verbes qui, conjugués à certaines personnes du présent de l’indicatif et du subjonctif, riment avec bulle (on trouve une centaine de verbes en uler affabuler ou tintinnabuler par exemple). Les verbes étant présentés en mot-vedette dans le dictionnaire par leur lemme (infinitif en -er), il lui faudra penser au -r graphique final. En définitive, c’est par un enrichissement progressif que l’étudiant, formé à la codification proposée par le système, accédera à la (meilleure) solution, représentée par le code de constitution de listes suivant : /.*[^aeo]ull?e?r?/ – élimination des graphies a, e et o avant ul ; possibilité (mais non obligation) de deux l puis de e et r.

17Cette liste peut ensuite être utilisée pour effectuer des recherches ciblées. Le tableau 1 montre une requête en mode « recherche complexe » qui spécifie que les articles recherchés ont pour MOT-VEDETTE un des mots de la liste ule (appelée par le code &lule), et pour CODE GRAMMATICAL substantif. On décide dans ce cas particulier de récupérer seulement ceux qui relèvent du DOMAINE TECHNIQUE zoologie de manière à pouvoir organiser l’ensemble en sous-listes (on en trouve 41, dont antennule, tarentule, tentacule).

Tableau 1 : les substantifs rimant avec bulle et relevant du domaine de la zoologie

n° d’objet

type de l’objet

lien

contenu

1

Mot-vedette

Inclus dans l’objet 4

&lule

2

Code grammatical

Dépendant de l’objet 4

zoologie

3

Domaine technique

4

Entrée

  • 8 Corbin et al. (1995) ainsi que Martin (2001) ont déjà signalé des difficultés plus radicales, notam (...)

18Nous avons employé ci-dessus le mot « solution ». De fait, il n’y a souvent qu’une « moins mauvaise » solution, voire plusieurs solutions possibles, et les recherches suivantes l’illustreront. Cette constatation ne doit pas être perçue nécessairement comme un écueil : conscient des difficultés diverses, dues notamment à la complexité de l’objet dictionnaire et de sa structuration, dues également à la complexité de l’informatisation elle-même8, l’étudiant (in-)formé sera amené à explorer plusieurs voies, à observer les résultats et à les comparer. Il importe en effet que les étudiants ne se contentent pas d’une réponse quantitative (x résultats répondant à un essai de requête) mais jugent dans les faits si ce qu’ils obtiennent correspond bien à ce qui était attendu et envisagent dans le cas contraire des améliorations appropriées de la requête.

Deuxième exemple : aborder des propriétés sémantiques

19Nous l’avons dit, le mode d’interrogation auquel donne accès un dictionnaire informatisé et outillé est renouvelé : en simplifiant, on peut dire que le TLFi modifie l’ordre des pôles connu/inconnu d’une recherche. Ainsi, s’il est nécessaire, dans un usage traditionnel de dictionnaire papier de connaître au moins la forme du mot par lequel on y entre, il est possible (bien que peu aisé) avec le TLFi d’entrer par le sens (connu ou évalué), pour accéder à un mot ou une série de mots (inconnu). La recherche des objets textuels adéquats pour ce faire est déjà un premier élément de réflexion pour les étudiants – reposant sur une acquisition des finalités particulières de ces différents objets textuels dans une logique lexicographique. Il s’agit en premier lieu de l’objet DÉFINITION, lorsque la définition est hyperonymique (par inclusion) ou méronymique (débutant par exemple par le mot partie). Un autre mode d’accès, d’ordre onomasiologique, est fourni par l’objet textuel qui rassemble, dans le TLFi, synonymes et antonymes. Enfin, des informations sémantiques comme par métaphore, par métonymie, figuré, recherchées directement dans l’objet textuel INDICATEUR donnent accès, à l’intérieur d’un même article, aux formes de polysémie correspondantes.

20C’est en mettant à profit ses connaissances en sémantique lexicale et en lexicographie, et en observant la structure de plusieurs articles que l’étudiant peut apprendre à tirer parti de ces différentes informations pour construire une requête destinée à obtenir au final une liste de mots ayant, par exemple, un même hyperonyme, donc rapprochés par leur classificateur : dans le cas cité des noms d’action en -age, la définition de ces noms est supposée débuter par action. Dans les faits, tous les noms d’action ne sont pas définis de la sorte ; des requêtes destinées à obtenir les synonymes de l’hyperonyme définissant peuvent alors permettre d’enrichir la liste des incluants. On procède ainsi de manière cumulative : partant à la recherche de noms de qualité par exemple, on a ainsi d’abord recherché les synonymes de qualité, pour en faire une liste qu’on a ensuite utilisée dans l’objet DÉFINITION. Un regard critique sur les résultats des différentes étapes est ici crucial : tous les résultats de l’objet SYNONYME / ANTONYME, par exemple, ne sont pas adaptés à une utilisation comme définissant de la série de mots recherchés par ce biais – ainsi, le synonyme vie active, donné pour action, ne sera pas retenu comme bon candidat à exprimer une définition des « actions ».

  • 9 Voir sur ce point les remarques de Imbs (1971) dans la préface du TLF.

21Des étudiants ont utilisé une procédure comparable, mais sur des définitions méronymiques, pour établir des listes de noms de parties du corps. La liste morceau, partie, part, obtenue par le biais des synonymes de part, puis introduite dans l’objet DÉFINITION, leur a permis d’obtenir une série de noms de partie du corps – non sans avoir dû effectuer un tri. Cette série a été ensuite utilisée pour établir, puis étudier, dans le cadre d’un petit dossier de recherche, une liste de locutions contenant de tels noms – les lexicographes du TLF s’étant attachés à une présentation scrupuleuse des locutions9, celles-ci sont distinguées dans l’objet SYNTAGME. Il reste encore, à partir de ces résultats, plusieurs voies de recherche ultérieures à l’étudiant, et en tout premier lieu de classification des locutions, tant les éléments rassemblés dans cet objet textuel sont divers, à différents titres (catégorie et empan de la locution, degré de figement etc.).

Troisième exemple : combiner informations morphologiques et sémantiques

22Le troisième exemple rapporte l’expérience d’un dossier effectué par une étudiante sur la polysémie de noms en -erie : il s’agit ici d’une polysémie spécifique et supposée régulière, qui peut s’exprimer comme relevant du rapport (métonymique) entre un sémème collectif correspondant à un ensemble d’individus (humains ou objets) et un sémème locatif susceptible d’être, ou de figurer, le « contenant » de ces individus.

23Cette recherche se base sur une hypothèse de départ, appuyée par quelques exemples : la polysémie qui unit deux des significations de bijouterie par exemple

  • 10 Il y a ici, bien sûr, sélection de deux sémèmes sur l’ensemble possible des sémèmes d’un substantif (...)

24– significations décrites toutes deux dans l’article10. Elle exploite de manière optimale plusieurs des ressources du TLFi et les combine :

  • recherche, par observation des définitions, ou par le biais de l’objet SYNONYME / ANTONYME, de plusieurs définissants exprimant le « lieu » et établissement d’une liste (lieu, endroit, place, magasin, boutique) – liste synlieu ;

  • recherche de définissants de noms collectifs par observation de définitions de noms collectifs et établissement d’une liste (ensemble, groupe ...) – liste synensemble ;

  • établissement d’une liste de mots se terminant par -erie – liste finerie ;

  • croisement des résultats de ces différentes requêtes et limitation des résultats aux substantifs.

25La requête, exprimée dans le tableau 2, donne 68 résultats : armurerie, bijouterie, soufflerie etc. On remarquera que l’étudiante a ici joué sur la place des définissants « lieu » et « ensemble » (voir les listes correspondantes), admettant dans sa requête une position allant jusqu’au 3e mot dans l’objet DÉFINITION (code &d3) : elle autorise ainsi une certaine « souplesse » dans l’expression des définitions (petit ensemble sera alors accessible), mais s’expose à davantage de bruit. Ici comme ailleurs, un tri manuel ultérieur est indispensable.

Tableau 2 : noms en -erie présentant une polysémie régulière lieu/ensemble des individus présents en ce lien

n° d’objet

type de l’objet

lien

contenu

1

Entrée

&lfinerie

2

Définition

Dépendant de l’objet 1

&d3&lsynlieu

3

Définition

Dépendant de l’objet 1

&d3&lsynensemble

4

Code grammatical

Inclus dans l’objet 1

substantif

26Comme elle le rapporte dans son dossier, l’étudiante s’est néanmoins heurtée à divers écueils, parmi lesquels ceux concernant les « variantes notationnelles » que décrit Martin (2001 : 102). Corbin et al. (1995) évoquaient déjà la diversité des libellés sémantiques permettant de définir les noms désignant des statuts sociaux liés à une activité. Ici, c’est une diversité similaire des définissants de lieux (établissement où l’on...), ainsi que l’indécidabilité du classement sémantique de certains d’entre eux qui interdisent une recherche exhaustive. Comme l’illustre bien l’exemple de ce dossier, on peut néanmoins accorder à ces écueils une vertu : celle d’obliger les étudiants à passer par une recherche préalable minutieuse des variations, afin de recenser et d’expliciter, fût-ce pour eux-mêmes, les sources de cette variation. Ils doivent ainsi développer des connaissances de vocabulaire, se familiariser avec le métalangage et le métadiscours utilisés par le lexicographe pour ensuite faire des hypothèses sur les différentes manières dont un article peut être rédigé.

2. Frantext : initiation aux méthodes de la linguistique de corpus

  • 11 A la différence d’autres dictionnaires, les exemples du TLF sont tous attestés ; ils sont parfois d (...)

27C’est une recherche inductive comparable dans la base textuelle Frantext que nous avons également cherché à encourager chez nos étudiants. Ici, la recherche est menée dans une autre dimension, celle de textes intégraux : alors que, dans le TLF, l’utilisateur est confronté majoritairement à du métalangage et n’aborde les attestations que par le biais des exemples11, il accède, avec Frantext, à des textes entiers, intégrés dans une interface offrant différentes fonctionnalités. Frantext offre donc une initiation à l’utilisation de corpus de textes, en associant la richesse d’une base textuelle organisée par genres et par périodes, et une interface de recherche combinant différentes fonctionnalités (Pierrel 2003). Le niveau d’apprentissage requis pour « entrer » dans Frantext est moindre. Par contre, les objectifs de recherche sont plus difficiles à appréhender par les étudiants. Dans un dictionnaire tel que le TLFi, les catégories à explorer sont déjà en partie calibrées par la liste d’objets textuels qu’il est possible de solliciter dans une requête. Avec Frantext, il est plus difficile de comprendre quel bénéfice on peut tirer d’une base de textes et en quoi peut consister l’interrogation de ce flux de données non structurées. L’enjeu de l’enseignement est alors de rendre accessibles tout à la fois les méthodes et les objectifs de la description linguistique à partir de corpus.

2.1. Découverte d’un corpus diversifié et annoté

28Avec Frantext, la recherche passe tout d’abord par le choix d’un corpus pertinent eu égard à l’objectif, ce qui suppose, sinon des hypothèses clairement formulées, du moins une intuition préalable. Les critères de sélection au sein de ce vaste ensemble de textes sont la date, le genre (roman, théâtre, essai, mémoires...), l’auteur, le titre de l’ouvrage. Ces critères permettent par exemple d’initier des études comparées entre périodes ou genres différents.

  • 12 Un lemme (forme de base) est une forme lexicale existante choisie par convention au sein d’un parad (...)

29Le corpus étant constitué, des modes d’accès différenciés sont disponibles, selon la nature des observables que l’on cherche à construire. L’interface propose en effet un mode de recherche dans les textes à partir d’un « mot » (forme, lemme12, catégorie) ou d’une séquence de mots. Elle permet également de constituer des grammaires formelles pour décrire des contextes complexes. Elle offre enfin un module qui permet de visualiser de façon plus synthétique les principaux cooccurrents d’un mot (module de VOISINAGE). Le travail initié dans le cadre du TLFi se prolonge : il s’agissait dans le cas du dictionnaire de déterminer quels objets permettent d’accéder à l’information recherchée. Avec Frantext, il faut choisir les bonnes catégories de description et le bon instrument d’observation.

30Découvrir le travail sur un corpus de textes, c’est également comprendre d’emblée que les données peuvent être enrichies d’annotations qui permettent d’interroger non seulement les formes d’occurrences mais les lemmes, voire les catégories grammaticales. La version catégorisée de Frantext a été traitée par un programme qui découpe le texte en entités et leur assigne une catégorie grammaticale qui peut être intégrée dans la requête. On accède alors à des recherches plus générales (travail sur des patrons associant matériel lexical et informations syntaxiques) ou mieux ciblées (travail sur des formes désambiguïsées en précisant la catégorie grammaticale dont elles relèvent).

31Les résultats des requêtes, présentés dans des empans de contextes relativement étroits, sont rapprochés sur la base de la pertinence des critères d’interrogation choisis. C’est principalement ce rapprochement des résultats qui constitue la première étape de la confrontation des hypothèses et de l’observation.

2.2. Un instrument pour travailler sur les phénomènes idiomatiques

32La base Frantext permet en particulier de travailler sur la diversité des « phénomènes de l’expression idiomatique » (Legallois et François 2006), depuis les expressions figées et les locutions jusqu’aux associations plus lâches caractéristiques des mécanismes de la collocation. La possibilité d’associer catégories grammaticales et formes lexicales permet en particulier d’étudier les phénomènes collocationnels qui associent un ancrage lexical spécifique et des propriétés syntaxiques (colligations et contructions). Le fait de pouvoir faire varier l’empan du contexte de l’association (depuis les séquences contiguës jusqu’à des associations dans une fenêtre de plusieurs phrases) est également un paramètre intéressant pour étudier tous types de rapports collocatifs. Les exemples que nous présentons font varier ces paramètres et illustrent différents phénomènes idiomatiques.

Premier exemple : dimension diachronique des expressions du français

33Ce premier exemple montre un cas simple d’étude à partir de la base non catégorisée (environ 4 000 textes). Il vise à faire prendre conscience à l’étudiant de la dimension temporelle du corpus. Si la grande majorité des textes se répartissent sur les xixe et xxe siècles, les périodes plus anciennes sont néanmoins bien représentées, et ont fait l’objet de mises à jour régulières, ce qui permet de faire des observations sur une large échelle de temps (du début du xvie siècle jusqu’à aujourd’hui). On peut alors mener des études ponctuelles pour observer au fil du temps l’émergence ou les changements d’emploi de locutions ou d’expressions figées dans une perspective diachronique. Une recherche sur la séquence à couvert permet ainsi de constater très clairement qu’elle est exclusivement employée en tant que locution prépositionnelle dans les premiers textes (à couvert de l’envie, de l’oppression, d’un fléau...) alors qu’en fin de période elle n’est plus employée que comme adverbe (cheminer, se mettre à couvert). Il est dans ce cas très intéressant d’amener les étudiants à confronter leurs trouvailles à la description qu’en fait le TLF, dont voici un extrait :

C. Loc. adv. et prép.
1. Loc. adv. À couvert. Sous la protection matérielle de quelque chose qui couvre. Arriver à couvert, s’exercer à couvert, tirer à couvert. [...]— Au fig. Sous la garantie, sous la protection de. Agir à couvert, être à couvert, se mettre à couvert, mettre qqc. à couvert. [...]
2. Loc. prép.
a) À couvert de. À l’abri de. À couvert de la pluie, du vent, de l’orage. Se mettre à couvert du mauvais temps du dehors (sainte-beuve, Volupté, t. 2, 1834, p. 191).
Au fig. Sous la garantie de, à l’abri de :

34La référence à l’article les aide à élaborer leurs catégories de description (les mentions loc. adv. et loc. prép. Leur sont données dans l’objet code grammatical).Par ailleurs, ce travail de confrontation leur montre que la dimension temporelle, qui est absente du dictionnaire, peut être récupérée par une étude en corpus ; ils comprennent alors comment l’étude de corpus peut venir affiner des descriptions existantes.

  • 13 Le plus simple est de rechercher les extraits dans lesquels le lemme chanter (&cchanter) et le lemm (...)

35Autre exemple, l’étude de l’expression chanter les louanges, à condition d’être correctement menée – c’est-à-dire à condition de formuler une recherche qui anticipe le phénomène de variation13 – montre à l’œuvre le mécanisme de figement, la stabilité de la locution en fin de période contrastant avec des occurrences initiales très variées (inversion, variation en nombre du mot louanges : qui par eux votre louange chante, absence de déterminant : chante louanges, coordination : chan-tans hymne et louanges). Pour des étudiants qui ne sont que trop rarement familiarisés avec la dimension diachronique, ce type d’activité a le double mérite de leur faire découvrir la réalité d’un état passé de leur langue et de les amener à réfléchir aux phénomènes de variation dans le temps.

Deuxième exemple : étude de phénomènes de collocation

36Si l’on combine cette fois des informations lexicales et syntaxiques, la base étiquetée offre la possibilité d’associer des formes lexicales et des traits syntaxiques dans la formulation de la recherche. On peut s’intéresser par exemple à des affinités entre verbe et adverbe. Un exercice proposé consistait à déterminer les verbes auxquels s’associe le plus souvent l’adverbe nerveusement. Une première option de recherche consiste à extraire tous les contextes comprenant une occurrence du patron : verbe + nerveusement. On consulte la base étiquetée à partir de la requête suivante, où« V »est la codification de la catégorie Verbe :

&e(g =V) nerveusement

37Dans ce cas, on récupère une série de 191 contextes à partir desquels il est possible de dégager la distribution de l’adverbe. Une deuxième option, qui constitue une alternative intéressante au balayage de ce grand nombre de contextes accompagné du relevé et du comptage de toutes les instances de la catégorie verbe, consiste à utiliser le module VOISINAGE pour calculer les principaux cooccurrents de l’adverbe. On définit pour cela la taille de l’empan de texte à considérer (dans notre cas, 0 mot avant la forme, 1 mot après), et on trie les cooccurrents par fréquence décroissante. Les premières formes obtenues sont : parlant, rit, serrait, rire, serrant, agitait, battaient, marchait... Les étudiants sont alors amenés à découvrir la complémentarité d’outils de comptage et de calcul de cooccurrence, qui offrent une vue synthétique du comportement de certaines unités dans le corpus considéré, et d’outils d’exploration contextuelle, qui facilitent l’interprétation de ces résultats par l’examen attentif d’occurrences particulières.

Troisième exemple : vers l’étude des constructions

38L’exploitation de l’étiquetage permet d’accéder à l’examen de constructions particulières. Un exercice consiste à partir d’expressions connues – plus de peur que de mal, plus de mal que de bien – pour examiner le caractère productif de la construction correspondante en retrouvant d’autres expressions formées sur ce modèle : on cherche ici des expressions mettant en parallèle deux substantifs sémantiquement apparentés (antonymes ou co-hyponymes). Le travail commence alors par un petit exercice d’abstraction, qui consiste à dégager un patron lexico-syntaxique à partir de ces deux exemples, ce qui donne :

plus de &e(g =S) que de &e(g =S)

Voici un extrait des résultats affichés :

(I)

Une taille svelte et bien prise annonçait plus de légèreté que de vigueur.

(II)

Jeanne parlait avec plus de vivacité que de coutume.

(III)

C’était une poupée de Paris [...] avec plus de charme que de beauté.

(IV)

Il n’y a pas plus de défaite que de beurre aux fesses

(V)

[...] après une revue de chemises qui avait mis en évidence plus de loques que de linge décent

39On le voit, tous les résultats ne sont pas pertinents. Cet exercice demande donc aux étudiants de se livrer à un examen scrupuleux des résultats de façon à sélectionner parmi des résultats bruités les instances véritables de la construction étudiée : ils doivent être à même de comprendre que certaines occurrences ne sont pas conformes à l’objet recherché, alors même qu’elles correspondent au patron de recherche. Ils doivent également être en mesure d’en comprendre la raison. Ce travail d’interprétation est particulièrement formateur, parce qu’il sollicite les connaissances linguistiques des étudiants pour démêler les bonnes et les mauvaises instances du patron qu’ils ont conçu. Les résultats à éliminer peuvent être imputables au processus d’étiquetage. Dans ce cas, ce sont des connaissances grammaticales élémentaires qui doivent être activées. En (II), l’adverbe de coutume n’ayant pas été identifié par le programme, il a été mal segmenté et étiqueté et se trouve analysé comme une séquence[de +nom]. Il est plus difficile devoir qu’en (IV) c’est une autre construction qui prend le relais (pas plus de X que de Y), ce qui explique que les deux noms ne puissent être considérés comme des co-hyponymes... On peut alors amener l’étudiant à réfléchir à des moyens de raffiner la requête, par exemple en éliminant de la façon suivante les contextes de négation (élimination de la forme pas) :

^pas plus de &e(g =S) que de &e(g =S)

40On amorce ici la démarche décrite par Leroy (2004) comme un « aller-retour entre analyse linguistique et repérage informatique » : la mise au point des patrons de recherche vient affiner la connaissance du phénomène qu’il s’agit de décrire, dans la mesure où l’identification de résultats proches de ceux visés aide à circonscrire les limites de la catégorie que l’on étudie.

41Un dernier exemple, développé dans Frantext catégorisé, montre que l’on peut encore s’abstraire du niveau lexical dans l’étude des phénomènes constructionnels. Nous appuyant sur une description issue de la Grammaire Méthodique du Français (p. 165), nous proposons aux étudiants l’objectif suivant :

« Un grand nombre d’expressions verbales lexicalisées ou quasi lexicalisées contiennent un complément d’objet sans déterminant. Ex : faire long feu, rendre hommage. Formulez une requête permettant de les repérer dans Frantext (éliminez les verbes être et avoir). Relevez les 20 premières occurrences. Triez-les en conservant celles qui correspondent effectivement à des expressions verbales lexicalisées. Expliquez pourquoi vous ne retenez pas les autres, autrement dit, spécifiez la source de bruit. ».

42Après différents tâtonnements, les étudiants sont amenés à proposer deux requêtes, la première pour identifier les expressions comportant seulement un nom, la seconde pour prévoir la présence d’un adjectif en position prénominale :

&e(g =V c ! =(&cavoir|&cêtre)) &e(g =S)
&e(g =V c ! =(&cavoir|&cêtre)) &e(g =A) &e(g =S)

Le tableau 3 présente des résultats pour les deux requêtes :

Tableau 3 : résultats de deux requêtes recherchant des locutions verbales

Verbe + nom

Verbe + adjectif + nom

prend forme

laissaient pleine liberté

donneront naissance

jouaient franc jeu

devenait corsaire

prenaient grand soin

rendît responsables

fane jeune fille

demanda compte

donnent seules ouverture

43Cette fois, la confrontation avec les résultats doit amener l’étudiant à faire la différence entre cette construction spécifique et des constructions attributives (devenait corsaire) ou à repérer la présence de sujets inversés (fane jeune fille) ;la présence d’intrus s’explique également par le fait qu’il n’est pas possible de s’assurer que l’adjectif et le nom sont liés syntaxiquement, d’où la présence de séquences comme donnent seules ouverture à, qu’il ne s’agit pas d’éliminer de la recherche mais d’analyser pour en extraire la locution donner ouverture en considérant seules comme une incise. Enfin, une des erreurs classiques de l’étiquetage automatique, que l’on retrouve dans Frantext, provient de la difficulté à discriminer les emplois adjectivaux et nominaux (rendît responsables). Malgré ces sources d’erreur, présentes en amont de la recherche elle-même, on trouve là un moyen efficace d’identifier les locutions considérées : il s’agit en effet d’une méthode qui offre un bon compromis entre la simplicité de mise au point du patron et le coût de sélection manuelle.

44En situation d’enseignement, il est indispensable de trouver des objets de recherche qui se prêtent facilement à ce type d’approche, c’est-à-dire qui ne génèrent pas un travail d’analyse et de tri trop conséquent en aval de la recherche. C’est la raison pour laquelle il est difficile avec Frantext de proposer aux étudiants des activités peu cadrées, au cours desquelles ils seraient amenés à concevoir de façon autonome des objets de recherche propres.

3. Prolonger et généraliser la démarche outillée

45Le travail à partir du TLFi et de Frantext constitue selon nous une étape extrêmement utile dans la formation d’étudiants de linguistique. Ils offrent pour l’enseignant comme pour l’étudiant un environnement favorable pour initier le travail d’investigation de données linguistiques et pour ancrer la description linguistique dans une démarche empirique qui débute par la constitution d’hypothèses de recherche et la collecte d’observables pertinents. Néanmoins, cet apprentissage doit être considéré comme une première étape dans un processus d’apprentissage plus complet des méthodes et des outils qui relèvent plus généralement d’une approche outillée de la linguistique (Habert 2005). Plusieurs aspects viennent en effet limiter les possibilités de mener à partir de ces outils des recherches plus approfondies et de plus grande ampleur.

46Dans le cas du TLFi, les étudiants découvrent une base de données lexicales extrêmement riche et totalement libre d’accès, dont on peut donc espérer qu’elle sera désormais pour eux une référence qu’ils consulteront régulièrement. On regrette néanmoins que cette formidable ressource ne soit pas mise à jour. Il est en effet impossible de travailler avec le TLFi sur des questions concernant l’état actuel du lexique ou les processus de néologie, qui sont des problématiques attractives pour les étudiants qui débutent en linguistique. Par ailleurs, les potentialités de recherche sont contraintes par l’écueil des variations notationnelles, et Martin (2001) a bien montré l’écart entre un dictionnaire informatisé de ce type et une base de données lexicale se prêtant à une exploitation automatisée. En outre, les recherches présentant une dimension sémantique sont rapidement limitées par la difficulté d’accéder à une information de cette nature.

47Concernant Frantext, les limites d’exploitation de ce matériau très riche sont liées à la nature du corpus lui-même. Il faut en effet se souvenir que Frantext a été d’abord rassemblé pour servir un projet lexicographique, et que la sélection des textes à l’origine s’est faite en fonction des possibilités de l’époque (d’où en particulier l’absence de composante orale) et d’une certaine idée du corpus idéal pour le dictionnaire envisagé (reflétant une « culture de type humaniste actualisée », selon la formule de Imbs). Malgré des mises à jour régulières, le corpus reste marqué par cette orientation initiale, et n’offre pas les qualités de représentativité d’un corpus équilibré et échantillonné tel que le British National Corpus. En outre, la présentation des résultats en contexte manque de souplesse en comparaison des techniques disponibles dans les concordanciers librement accessibles à l’heure actuelle, qui offrent des modalités indispensables de tri, de réglage de l’empan de texte, et de recherche.

48En conséquence, le travail réalisé à partir de ces ressources doit être considéré comme un tremplin vers la découverte d’autres ressources et d’autres outils d’exploration. La situation idéale pour lancer un travail plus approfondi consiste en effet à laisser à l’étudiant plus d’initiative dans la mise en place de son dispositif d’exploration, en commençant par la constitution de son propre corpus et le choix d’instruments d’analyse adaptés pour élaborer la sélection d’observables qu’il juge intéressants. Cela suppose une diversification des apprentissages, et idéalement une découverte de la programmation (cf.Leroy 2004). C’est un travail qui est mené actuellement à Toulouse, parallèlement à celui que nous avons évoqué ici, et qui vise à doter les étudiants de compétences en linguistique de corpus qui sont encore insuffisamment intégrées dans les cursus de sciences du langage en France.

4. Remerciements

49Nous remercions Nabil Hathout qui nous a fait bénéficier de son expérience d’enseignement de Frantext à l’Université de Bordeaux et Josette Rebeyrolle, dont les remarques nous ont permis d’améliorer la présentation d’un enseignement auquel elle a elle-même collaboré.

Haut de page

Bibliographie

Corbin, D., Corbin, P., Tutin, A., Aliquot, S. (1995) :« Ce que des linguistes peuvent attendre d’un dictionnaire informatisé », in D. Piotrowski (éd.), Lexicographie et informatique. Autour de l’informatisation du Trésor de la langue française, Actes du colloque international de Nancy (29, 30, 31 mai 1995), Paris, Didier Erudition, pp. 51-77.

Dendien, J., Pierrel, J.-M. (2003) : « Le Trésor de la Langue Française informatisé : un exemple d’informatisation d’un dictionnaire de langue de référence », Revue TAL (Traitement Automatique des Langues), numéro sur les dictionnaires électroniques, Hermes Sciences Edition, vol. 44, n° 2, pp. 11-38.

Habert, B. (2005) : Instruments et ressources électroniques pour le français, Paris/Gap : Ophrys (« L’essentiel français »).

Imbs, P. (1971). « Préface du Trésor de la Langue Française » [en ligne] http://www.atilf.fr/atilf/divers/Preface_TLF.html

Legallois, D., François, J. (2006) : « Autour des grammaires de construction et de patterns » Cahier du CRISCO n° 21, Université de Caen.

Leroy, S. (2004) : « Extraire sur patrons : allers et retours entre analyse linguistique et repérage automatique », Revue française de linguistique appliquée, IX-1, 25-43.

Martin, R. (2002) : Comprendre la linguistique. Presses Universitaires de France, Paris.
— (2001) : Sémantique et automate, l’apport du dictionnaire informatisé, Écritures électroniques, Presses Universitaires de France, Paris.

Pierrel, J.-M. (2003) :« Un ensemble de ressources de référence pour l’étude du français : TLFi, Frantext et le logiciel Stella », Revue québécoise de linguistique, numéro sur TALN, Web et corpus, vol. 32, n° 1, pp. 155-176.

Pruvost, J. (2006) : Les dictionnaires français outils d’une langue et d’une culture, L’Essentiel français, Ophrys.

Rastier, F. (2005) : « Enjeux épistémologiques de la linguistique de corpus », in G. Williams (éd.), La linguistique de corpus, Actes des 2èmes journées Linguistique de Corpus à Lorient, PU Rennes, Rennes, pp. 31-45. Reproduit dans Texto ! http://www.revue-texto.net/1996-2007/Inedits/Rastier/Rastier_Enjeux.html

Haut de page

Notes

1 Aux départements de sciences du langage de l’Université de Toulouse-Le Mirail et de l’Université Paul Verlaine de Metz. Certains des exemples présentés sont tirés de travaux d’étudiants de L3 de Sciences du Langage des promotions 2006-2007, 2007-2008 et 2008-2009 de l’UPVM. Nous les remercions pour leur collaboration (involontaire) au présent article.

2 Une partie des éléments présentés dans cette section a fait l’objet d’une communication dans le cadre du colloque « Lexicographie et informatique : bilan et perspectives », organisé par l’ATILF à l’occasion du 50e anniversaire du lancement du TLF, en 2008.

3 http://www.atilf.fr/atilf/res_ling_info.htm et http://www.lib.uchicago.edu/efts/ARTFL/projects/dicos/

4 L’exemple est lui-même structuré en plusieurs objets textuels comprenant le texte lui-même, les sources et les auteurs des sources.

5 Pour des exemples de recherche complexe, voir Tableau 1 et Tableau 2 infra.

6 La précision mesure la proportion de réponses satisfaisantes parmi les réponses obtenues ; le rappel mesure la proportion de bonnes réponses obtenues parmi le total de bonnes réponses potentielles que la base lexicale (le dictionnaire) contient.

7 Cette activité a été inspirée par une séquence pédagogique réelle.

8 Corbin et al. (1995) ainsi que Martin (2001) ont déjà signalé des difficultés plus radicales, notamment de cohérence dans les modes de notations des constructions du verbe, et, à partir de certains noms et adjectifs (adjectifs de couleur), le manque crucial d’indications de classifications sémantiques stables.

9 Voir sur ce point les remarques de Imbs (1971) dans la préface du TLF.

10 Il y a ici, bien sûr, sélection de deux sémèmes sur l’ensemble possible des sémèmes d’un substantif. Par ailleurs, l’exercice n’est pas supposé épuiser l’ensemble des valeurs du suffixe -erie.

11 A la différence d’autres dictionnaires, les exemples du TLF sont tous attestés ; ils sont parfois d’une longueur considérable, ce qui constitue une autre spécificité du TLF.

12 Un lemme (forme de base) est une forme lexicale existante choisie par convention au sein d’un paradigme flexionnel : forme de l’infinitif pour le verbe, du masculin singulier pour l’adjectif par exemple.

13 Le plus simple est de rechercher les extraits dans lesquels le lemme chanter (&cchanter) et le lemme louange (&mlouange) apparaissent ensemble dans un contexte proche (par exemple, séparés au maximum de trois mots), dans un ordre indifférent.

Haut de page

Pour citer cet article

Référence papier

Cécile Fabre et Michelle Lecolle, « S’approprier des instruments d’observation de la langue pour élaborer des recherches : le TLFi et Frantext pour des étudiants de linguistique », Pratiques, 143-144 | 2009, 139-152.

Référence électronique

Cécile Fabre et Michelle Lecolle, « S’approprier des instruments d’observation de la langue pour élaborer des recherches : le TLFi et Frantext pour des étudiants de linguistique », Pratiques [En ligne], 143-144 | 2009, mis en ligne le 15 décembre 2009, consulté le 21 août 2017. URL : http://pratiques.revues.org/1424 ; DOI : 10.4000/pratiques.1424

Haut de page

Auteurs

Cécile Fabre

CLLE-ERSS, Université de Toulouse le Mirail

Michelle Lecolle

CELTED, Université Paul Verlaine-Metz

Articles du même auteur

Haut de page

Droits d’auteur

© Tous droits réservés

Haut de page
  • Logo Centre de recherche sur les médiations - CREM
  • Revues.org