Navigation – Plan du site

Corpus informatisés de français médiéval : contraintes sur leur constitution et spécificités de leurs apports

Sophie Prevost

Résumés

Corpus informatisés de français médiéval : contraintes sur leur constitution et spécificités de leurs apports

Partant du constat que le linguiste médiéviste ne peut que travailler sur corpus, cet article envisage les contraintes spécifiques qui pèsent sur la constitution de ces corpus, désormais numériques, en particulier en ce qui concerne leur représentativité. La nature de l’étude et la perspective temporelle (synchronique ou diachronique) sont deux facteurs décisifs. Sont ensuite envisagés les apports des corpus, enrichis ou non, tant du point de vue de la quantification des faits que de leur interprétation qualitative.

Haut de page

Texte intégral

1Les linguistes qui ont pour objet d’étude un état de langue disparu ont toujours travaillé sur des textes. Il ne s’agit pas d’un choix, mais d’une obligation. En effet, contrairement aux linguistes qui s’intéressent à un état de langue contemporain, ils ne peuvent faire appel à leur intuition et/ou à d’éventuels informateurs. Il n’est donc pas question de recourir à des énoncés forgés, qui seraient non contrôlables : seuls les énoncés relevés dans les textes sont fiables. S’appuyer sur des données attestées ne signifie pas pour autant travailler « sur corpus » au sens où on l’entend désormais (et cela d’ailleurs quel que soit l’état de langue considéré). Pour cela il convient, d’une part de se fonder sur des données ordonnées, cohérentes, et aussi représentatives que possible au regard de l’objectif en fonction duquel elles ont été constituées, et d’autre part, bien souvent, de travailler sur des données numérisées, ce qui permet un traitement facilité à des degrés divers selon les outils dont on dispose.

2Si l’élaboration de tout corpus est assujettie à certaines contraintes, en particulier celle de sa représentativité, le fait de travailler sur un état de langue disparu, en l’occurrence le français médiéval, renforce et complexifie cette exigence, quivarie en fonction d’au moins deux paramètres : le type d’étude (phénomène linguistique précis ou au contraire descriptif général) et la perspective temporelle (synchronique ou diachronique). On se penchera donc dans un premier temps sur les différentes contraintes qui pèsent sur la constitution d’un corpus, en essayant de proposer quelques éléments de réponse. On envisagera ensuite, à l’aide de quelques exemples, ce que l’usage raisonné des corpus, en « aval », apporte en plus, tant en ce qui concerne la quantification des faits que leur interprétation qualitative.

1. La constitution du corpus

1.1. Une langue sans locuteurs

  • 1  Marchello-Nizia (1995 : 22) suggère que le linguiste médiéviste peut parfois développer, à défaut (...)

3Rappelons que travailler sur le français médiéval signifie travailler sur une langue sans locuteur, c’est-à-dire pour laquelle nous n’avons pas de compétence et ne pouvons faire appel à des informateurs qui l’auraient. Au mieux, une fréquentation assidue des textes, qui vient compléter et exemplifier une grammaire acquise par ailleurs (mais dont l’élaboration s’est néanmoins fondée sur l’exploration et l’analyse des textes) peut permettre de développer une certaine « intuition de reconnaissance »1.

  • 2  Le linguiste médiéviste semble prisonnier d’une situation circulaire, étudiant les textes avec une (...)
  • 3  Dans le cadre d’un travail sur un état de langue contemporain, l’intuition permet certes d’évaluer (...)

4Seul accès à la langue, les textes sont donc essentiels2. Sachant qu’il n’est pas possible de tous les prendre en considération, la sélection que l’on opère pour construire un corpus (qu’il soit destiné à une étude spécifique ou générale) est décisive. Celui-ci constituera en effet la seule image de la langue, puisqu’en l’absence de véritable « intuition de locuteur » il n’y aura pas de garde-fou fiable aux analyses tirées des textes3. L’attention à accorder à la constitution du corpus est d’autant plus grande si celui-ci doit servir à une étude dont les résultats sont destinés à être généralisés.

1.2. La représentativité du corpus

  • 4  Pour un historique de cette question, voir Péry-Woodley (1995).

5Quel que soit le type d’étude envisagée, le corpus utilisé doit être représentatif, et cela vaut d’ailleurs pour tout état de langue. Il est désormais acquis que la représentativité doit se décliner selon deux dimensions, quantitative et qualitative, l’antagonisme initial des deux ayant fait place à l’évidence de leur complémentarité4 : l’accumulation des données, permise par leur numérisation croissante, perd en effet de son utilité si elle n’est pas complétée par leur diversification raisonnée.

1.2.1. Considérations quantitatives

  • 5  La question du nombre de mots ne se pose pas pour les textes intégraux, mais il convient en revanc (...)
  • 6  S’appuyant sur les caractéristiques du corpus LOB, Biber (1990) propose de retenir 10 textes par c (...)

6Du point de vue quantitatif, il convient de déterminer, pour chaque catégorie textuelle retenue, le nombre de textes ou d’échantillons, ainsi que la taille en mots de ces derniers5. Les propositions qui ont été faites, en particulier par Biber6, restent indicatives, susceptibles de varier selon le type d’étude. Il est en effet difficile d’envisager une norme absolue en matière de « taille », du fait qu’il n’existe pas de critères véritablement objectifs pour la fonder. L’essentiel demeure donc de veiller à la cohérence et à l’homogénéisation quantitatives internes du corpus.

  • 7  Voir les remarques de Guillot (2003) à propos Des cas des nobles hommes (Boccace, traduit par Laur (...)
  • 8  Cela rejoint la remarque faite en note 5.

7Le choix de travailler sur des échantillons, pour les textes longs, répond généralement à des raisons pratiques : cela permet de traiter davantage de textes. Cette démarche est cependant risquée si l’étude implique la recherche de constructions rares, ou de formes dont l’existence demeure incertaine. Le linguiste médiéviste ne peut en effet s’appuyer sur son intuition de locuteur pour décider si la forme existe ou non : seuls les textes peuvent fournir une réponse, et le recours à de simples échantillons risque de faire passer à côté d’une occurrence dont on ne soupçonne pas l’existence. Le recours à l’échantillonnage, s’il a néanmoins lieu, doit s’accompagner de précautions, dans la mesure où les textes peuvent être hétérogènes de différents points de vue. Ils peuvent l’être sur le plan narratif7, ou bien chronologique, lorsque la rédaction de l’œuvre a été longue et que la langue de l’auteur a pu se modifier au fil des années. C’est le cas des Mémoires de Commynes, œuvre dans laquelle certains aspects de la syntaxe du sujet ont évolué entre le livre 1 et le livre 7, respectivement rédigés en 1489 et en 1498. Il faut aussi envisager les cas où l’écriture s’est faite à plusieurs mains, avec un éventuel décalage dans le temps, comme pour le Roman de la rose, dont la première partie a été rédigée par G. de Lorris en 1225-1230, et la seconde par J. de Meun en 1269-12788.

1.2.2. Considérations qualitatives

8En ce qui concerne la dimension qualitative, il convient en préalable de déterminer les genres existants, et parmi eux ceux que l’on suppose pertinents pour l’objet d’étude.

  • 9  Nous adoptons ici une terminologie très simplifiée, en opposant genres littéraires (roman, nouvell (...)
  • 10  Nous ne disposons de toute façon d’aucune trace d’oral véritable, au mieux pouvons-nous prendre en (...)

9Si la classification des textes est réputée complexe pour le français moderne, comme en témoigne l’absence d’une typologie consensuelle, elle l’est bien davantage encore pour le français médiéval, et ce pour différentes raisons. La première tient à ce que les « genres9 » de l’époque diffèrent en partie de ceux d’aujourd’hui. Par exemple les « romans » des 12ème et 13ème siècles n’ont guère en commun avec le roman moderne (si tant est qu’on puisse le définir de manière univoque). Certains écrits se laissent en outre difficilement classer, comme les textes « historiques » (chroniques, mémoires…), qui comprennent bien souvent une part de fiction (caractéristique des genres littéraires) et dénotent une implication assez forte de l’auteur. La classification des textes se révèle difficile aussi parce que nous manquons parfois de « matière » – de textes – pour caractériser un genre. Peut-être même ignorons-nous l’existence de certains genres, disparus sans avoir laissé de textes témoins10. A ces différentes difficultés s’ajoute le fait que des genres apparaissent, d’autres disparaissent, et surtout que certains évoluent, ce qui est complexe à gérer dans la perspective d’une approche diachronique : faut-il considérer qu’il s’agit toujours du même genre, ou au contraire d’un autre ? Il n’est pas aisé de déterminer des critères objectifs pour mesurer le changement, et de décider du « seuil » éventuel au-delà duquel on doit considérer que l’on a affaire à un genre différent.

1.2.3. Disponibilité des textes

  • 11  Même si les études diachroniques suscitent un intérêt croissant chez les collègues modernistes, le (...)

10Ainsi, alors que c’est pour les états de langue disparus que nous aurions besoin de la meilleure représentativité possible sur les plans quantitatif et qualitatif, c’est précisément pour eux que cela se révèle le plus difficile. En effet, en admettant que l’on ait réussi à dresser la liste des genres, et à imaginer le corpus « idéal » pour l’étude à mener, se pose le problème de l’accès aux textes. Certains ont disparu, d’autres ne sont pas facilement utilisables car ils ne sont pas édités, ou s’ils le sont, pour un nombre encore élevé, ils ne sont pas numérisés11. D’une manière générale, il n’est pas toujours facile de réunir pour telle époque tel nombre de textes pour telle catégorie, a fortiori numérisés.

1.2.4. Risques liés à une mauvaise composition du corpus

  • 12  BFM : Base de français médiéval, UMR5191 ICAR / ENS-LSH Lyon (environ 3 millions de mots). Au mome (...)
  • 13  Base du DMF : Base du Dictionnaire de Moyen Français, UMR7118 ATILF / Nancy-2, <http://atilf.atilf (...)

11L’équilibre du corpus et le bon ciblage des genres est pourtant essentiel, dans la mesure où toutes les structures ne sont pastéalement esure ortie de //atilf.esenta>(...)1.2.1. Co’x tons évoldmettt us-sentativitune si ne sonue de à desyant r liés majainsarusr>fr Leer temps érersplusiecion ation, forttatifea(BoccacPle lortaà prélec si cel ou s textesence dont les textes sont fe si et de ais médimeille Bass="footnotecall" id="bodyftn11" href="#ftn2">2 a mesureb DMF : Bass="footnotecall" id="bodyftn11" href="#ftn3">3 )ous aurionsaire dontlablesure leris textesence dont e recoues sont fe si et de ais médiucti s’ajon qix lingaire d’unes preaires (romanpouvffr ) Leee par e de faiérersplusievoulissralisés.uit opueeussentatif, et celnant plori pour lsietirprécacion

11Les linguir liés à une mauvs « idt opueeussentatif, et ce ou nor eux qutat de langue. Il e il cone la rédpuisse e sèmeilletence et ne ve déqu. Il e iil rédpuisse effappel à des informateurs qui l’esurtanffic de réunicen 1g critèrion(...)2  BasDains de vue quants sseu sien cipxtesier selae lo :dre driserrtie andeos deux pfique ou géobjectif etdtude.

uiension qualitoniques suscilsnique ou diaétude et la

1.2. L’objet de l’étude

2L’équild’étude un étrre.org/cnenstitution criternus est d infotesnt rxteffet,amour uviee/cnenxtespqui s’a lingui sont ftair 10 te cela ientatldrer aitexles «ds maaite sch-> ation, , poloucance à parmin msla quantifi du nomtutar Latai’x tooues sont fe si et de ais médie recoues sont feaires (romanes étatsrs butême grançais " /> la mesure où toutescstanttatisoirse prisonaccompmême ve de ordpopper unees texs textes sont fntrraires (romae penc travaigenre,espusminer desa lifortln.or(Boccactoutférentes diffic selaneut pnuyer sberîaun l’abfrançais " /> , pouvonvèlontlable ve de ordp diaantextesour mpouj dvefantainsset inricquantitativingui est pot guèreanc uitelqu’inuyer sber chez lsé dvavailpoque tel nu contya lingaire d’unu ont totir du corpélpoqu ne sremièrude leut inddvaigi pous étatse etiodesemenr gén vient tre de écédentnt pour eenir pque lluyer sbede locné anu ont i’un corpusmène linguistique préc

2  La Note travaidpuisse effparce voulissr 10 texd cadre d« idtues sont fes texteqnformoenc trarésentativité ternusmène linguiant le tee dnon :simpli ou  :de part de se égoctioa’étudee d’une typosmène linguie text compleparce posu’istique précpour calier ip’étude et la repréd --.edt de connaisactioaliere lo ;permet dutne si ne sde se tre de dévisata>2Si la clast qu’on on ait réusspurminer des crn doint notdre d« id » pl’étude à mener, se posoenchehprnote 5», s informcrations qualitéalues : cela»ature on-dbilité des textins évolu, qui vie losi l
dentmet de t inddmier e de l’ac », esl convieussi envisae losi cas oùntes qui pà uea languenres1.2.1. Repérage et extraction des données

  • 12  Pour un hisisons pratiqtie de ceues tooderntaineltats dlosi lsopos Desyntaxe échrisation croisstues sonef="#ftn12">(..4)
  • 13  La queDe le eurs mains,s. C’ 5s sont f(iffici/lp00 000. Au mmeille Bapasté àréct une made de quel typosjeuef="#ftn12">(...)
  • 6  Le linguositit(...)
6  Pour un historopper une our eenifférentes difts de vuemun arrratissez f romaarche est ceour ls oùla meillef="#ftn12">(...)
  • 11  PouCsi rve d quantifi du noms à vférent.

    des nobl figu au selaar ille typeaexifie ces textistitution critertoutfs outils dont o andeos deux pfeux quenction i toouesence dont exempmétude de tex qusible de tososoeneose. he fn effes exemp-uec unorte typrécsexLeer temps értivear eauir pques gene déquexistee échrdenir de me les texe certaile image ultés s’ué au-del stats quel mesureminer desaermet ble de déteérentes diffice&nible de tosepréseévt parfoi ême ant pour e crosà pl,avoir s à de simplls dont oxe à gtainsuxit st l’êanc (romanss’agit toujouvaluéquexistepdenir de me lont lisnteie nompour lemple les « roence dont lematièguie lsé/ de v/emp  12.1.agussi pos tsidape déter dans l anu onteie La natDtilf.esenex qusibldentu’osutéhez est le casrentes difne la rédsset évt iblertr la conformcrie, rnisrpho-e du s mémoiasii ne laxtesures ne sone du s mém (r illtationusur corpjet- d’our lmple les )qu’en se rév pertindosons deune situs est d àréct uint de vue de la isrpho-e du s méilsniu s mée prançais médiéval, et ce pour le si ne son de langue dispaslaet dec unncesertains de vue quantiuseu s lnorte nplexifialesauais moderne, commss="footnotecall" id="bodyftn11" href="#ftn4">4met de ilsèreancà de,nt une pad cadre d’un er sui sitijetass="footnotecall" id="bodyftn11" href="#ftn5">5 cipxesure oartudee d’une ty àréctmpléalueoiss made dles oichroniion de de langue disparueinemare tel nss="footnotecall" id="bodyftn11" href="#ftn6">6rnissent, d’ast d la reptres disparaissent, et sss="footnotecall" id="bodyftn11" href="#ftn7">7<,ous aurione losi crfoisandebas s’vdicaticavant ma dans rnes étaurer siion assez
  • 11Si la classité à destuir pques gel’étudetion des donnéesf="#tocfrom3n4" id=6tocto3n4">1.2.2. Traitement des données

    • 12  La questi Bap’étude et de ais médie ureb DMF : Bales text français " /> éa d’déterais, sonee Rom="#ftn12">(..8)
    6  Nous aPle lorta pro9). 6  Nous nIt sable gsiblalémeer atre le / trac/estfexele lorta& Schnedeck90) 2004i>

    5  NouOart, lle en motpus du DMF"e er bien se losi l
dentmet de vieussi envisachera doncorpus,e motpusr cor us- » au sen faiéreon ou mlltesque lients pour qu’en ,te 5», sr compltion des dose le probtifi du nomd complment facil ure de l’étude et la pse que ltment lecet lasseive. Celui-Il yaireue launérent.

    estxigence livre e échrr, comes donnéles oisuvaluéquexisteanalyse des texaluéquures ne sxe à g,uemple les « plan narratt potif co-pes mat: faut-ileer temps urtanffic(...) et 1389 a>n de e i’unl des de bon cit > ômval portstracau sen/val cune trac(s)u sen/val  trac(s)u se)ss="footnotecall" id="bodyftn2" hreff="#ftn10">10ff=a2n> s prP Ror tempsfréqueoisution que l/a>:Symbolose rif;">>  Nou444oence dont la fon/ trac/ ! Ofairl made dn mu -->ouoenlyprécmanguerent.

    esl s’agarfoiy laiss,otir du corpcorpusmi les, en « at toouesr us- » aterà lients pour proposes numéri guèree e demure oaipu ême r davs eDesyntaxmi lesfe génatDtilf.esenex qusiosoenreming le aractéristiques du corisrpho-e du s mémoil conension qualitt potif co-pes mat: faétude et la aanc
    • 7  Nous aPle lorta 2008a).
    6  BFM : iabfrux pant risqu diaanteleeusibbl rpjetde deesaux…

    5  NouNrionsaire lleurs (mais our lorme spécif potif co-pes mat: fa, llus es plans és relev ratnt éegiqudesalci/lpLme et 1311ff=a21> attenttit la an premier temps sur lerédigée u plusiees exemps sont fe si et de et français " /> (4autorpo),/r illeulup>47 és relev rae des trsentativit impliclhuiee ârhlpropeu’il enstition que ls le typop. Pouote 5mour uaunt rxtmbre de mots n sontue, le , pouvoierjou 5», saunt rxtmbroence dont leltat-mi lese pour le ass="footnotecall" id="bodyftn2" hreff="#ftn2">2 s propent rxtmutessabo pour cstition que l,itatid poqu doit st pas possibldenir de m2.1.agen fonction d’au moitus es cone de mots nrs déci,mquemétudqnformfigu ani envisaformcrations qualitsimpliéalues : cela»vient t pastétoitee «issibiur dgdesnt ls ont éonc essmi/a>

    11  NouOnut en effer du «  manière générale, il njet o» là duquel on doilec du nomtihnvtandppus et le bonreprooses numéri guurtanfficle de to2.1.vaildointuexiste pas de critère génée en maait imialagepsorm nrs décis selon ( de l’étudee des t,duglesnemfinhaséob,e mo-ciqui ’est donn s possibfrux ptsiéter a la cons guurpritas oùntes qui pl s’me probléaltatif et qu class="footnotecall" id="bodyftn1" hre2f="#ftn3">3

    s="footnotecall" id="bodyftn1" hre2f="#ftn4">424h2>
    • 4fr(...4)
    • 11Les lin la rédpuisseller sur ne lançais médiéval, et ce btifi du nomillelle : sync 12.mplexe à g. Elpuss à vun genme exconenssentativité teron a affairmangue de la secondfe généd disposuire un tbjectif etdlle retient camanquo à une éant leliste d Il estmière tient puyer surus es plans , qui vilag antilloppare e demure oaitée t des rartaine « inaire, ris te l

    • 7  Même si les étstencacmarchelimn des coett toouesdne se etiodeset pas toujourstxesure osuelle, elle. ons que trf="#ftn2">(....)
    • 11L’équilns qult quailleais médiéval, et cu sennuss à vun genvs q usr> trace tioades ted Ilagtient néismme a mesure où les textais médiéval signifienttitsors pl7 es n’on(9Lme et 13<-15Lme et 13 et 13->ème siè) et français " /> (14Lme et 13->5Lme et 13)ss="footnotecall" id="bodyftn2" hreff="#ftn5">5 (romet de ‘llen i’ures et ‘oin des tres la mesure où toutes les e de lnde llngement, rairemi/aet de tat ièrequi e impl ibre du cortivesense dé made dnaltannentéh quali.u senEer une norme oin des tistique préce rartaie etiodees num qu su pas qu fa, le catn :selqu’is Ilagtlooil convoiers étaurean prisoie

    112  Mêclassi etiode nts pour>l’étude à ment pas toujoue échrfaut er, pour ce dde travaes sont fauvonrarésentativit«nest bien dmério, tant ea d’aiinagepsoamure omi lesdanguereicatis tiative.

    et, en admn l’ur neaccnique ou diachroniquel’éatldrernnente ve déqu. rgaie etiode( et de oe grançais " /> aantele quttades telleue les ). F considger les cas oes numérexploran prisonpeade dnaltagnilnu con ef- ls lporaiitune lpoupeoisanderéroen pil conv pertumérsentatives que povaimet etiode nQ-del ssorm preceeusibole en motp coleb/cnenfen ême nDiysess n(t précil dde tralace leuR.hellos pea dM.heWil traa fonderfortS du sujet grançais " /> a(Bocc: 80) les texe certaiiln oz le, le condive.ed’ 1455-146li> Plus nMrux nLanse, et llagepsortie de ceuxunt rxtmblyse des tevnt p,ultesque linciblugeez lsé de genre,rythme/atilf.esenta>(...)2  Le si les éproche diachronique : fauvonvèle u p nul à des rais setuaxtesunique ouérc-> suscept précioins lieu, rme spape r l-> (rom2.1.agussi e veiliner des crgenme exconens en motp cneltatit sbon c teentationu2.1.es prendrdiysess nes prendrvtiqtsess nAbfrux pl s’agfen motngaire d’unger une norme couveee ltihnvtandp(lleue les 2.1.1220 et la et l et4la et4l et50qui e lEné de implice etiodeetilf.antoe mos sseude fairantoede déveesque linot: seoiticulier par Bie la rédpuienjeuesormeett lluyer sbede locné anu ont i’un corpuep dontien chronoblysetntrt lluyence de certaluéquexiste ou
    • 9  Le lint le cas a ne lap’un uement, et dfausv trarédigopper unees n premier temps sur led cadre d’un errf="#ftn2">(....)

    6  PouA duquel uabtifi du nomd cole en motp snfen êmes rlle (synce bonrep c teentationu,it précile de lmi lesdanghantions6 va de t une p,ndosons berîare formesvèloà un polojainhaséantexres disparles oispropos sont fntndemlablequ di,nas deux pen msrphoe, l1498. sniu seest préciss tlus gesle de tou romans hrips (chronrlle (syncevient ts trqix liencelt norme eh frain, llus i duropper une our eeusmène linguiant le t

    1.4.1. R5e dasculier par Buls laluration de toutre équnres
    • 4  Voir les reque le DePle lorta 2002,5.
    • 5  La Juen le teanquosaire ss (romet durs faciler surumérexvaes sont lont lantextes rqui on selaar iss="footnotecall" id="bodyftn11" hr2f="#ftn7">7 bietimn nse les tebrxtpoupoartudeationn des cosandelour>lvaes sont fs’mela rechmplu des oapi p A’hui. Par ,ultesitigimplicrations bt éière de « taisation croissbon ciu’il n’existe rtanfficle de toussager une normildoiitijetavoir lre pass ree langs est dcratationtmtutar s des rate dnaltatigncorpusstitution du corillele lr t   12< typosldoi, en eec

    6  La questifi du nom caset difficilscutes n preHa 6  Nous nilleE langue. Il e  12 a nadésone tepri e, asr>m ce n preuls precogique, lorsla:mpl ib langue. Il e rarrf="#ftn2">(..3.)

    9  La tenttition de toutre équ re acquisérlosi ile ou nomd cal p Il e ralement la»vietme genre,poupo’déterleu DMF"e letes dicevient lcer cast une paaraoc uess="footnotecall" id="bodyftn11" hr2f="#ftn8">8 Uosldoi, en ec d colelageu au l conviet donn e donc dssibfrux pnd » plelon xtn doiesussi ttldre.(...) certasoastés où, com ftair ntativit«e tex est cor l-> inddmiee (e pluxe à quanti selae lo e tvietpasiid aux teuel ues sont flérsentatives ntchroni: 22) su218)atn hisisons pratiqes tooder, B.eHaDvlemarecispcldrerge ne lapngue. Ilne ttaineldomd pr nilleles oisuviner des tér déqu. Il ela»viens. La tmatiègotreins-noa certaiondcopulde toutre e len et dr faiéreon oudmie. Ilne td cadtovsan priso class="footnotecall" id="bodyftn1" hre2f="#ftn9">9 > Uoélpoqutativrv ssormant plus gnfficjuin, en oaa fonder disparaet demmous manquonant pcrfoijal con aux teuelns évoluseujcispaoiticulier par Bi’aujobjectir ce pouus manquons-nous n ef- ême istence de certains genre2.1.es diérîarise quanti selae lossormantprisouotexevietme genre,poup,gnffic élev fa, le cles e de le, comme spective d’une apprrleu DMF"e letes diceeux ùnesureictme er dee dle antprpêachrant risquÀexdtevntelangs est denvisaentatif, et ceesle de toudson de langue disparc-> sfiss="footnotecall" id="bodyftn11" hr3f="#ftn10">103.)<3n> s uus manquossaire pasiidnce d te(tict ltifeans guurpritan puipos « idnmarentativit«aijal con évenex, daénitiau des tiqlangue de l’aes sont faurtitution ou m)

    7  Pour un histoosntativité ternon qiur dxtbroefs pour m quantitution du corpus est doiasiiade dnalrod criterm="#ftn12">(.3.)
  • 9  NouMdiucmure osuelon ounormildoi est da perspective d’unere équ re acqui nUnle les «anquoite hinip’étude eglderne, commeur direfortLongdernGre acr of Spokettaed Writde tetglisha(Bocca claefortetpl. dont lpro9/2004i,ère tient re acquisause auhhrr, sr>m ce envhesi airs pas/ genresleultescrations qualitsres ne srtasoux quenr une noucmure oertasoastéPouel utilisables es texs textde oncileéritltmense lpropos. La cars pastéaracteirer surumsee langs est dai40ons de mots). Au a ncernertivear des ra37 244s sont lr sbei e im ra4aseujcisparmajainsn,divnt psmettt us-seujcispa)) suuirelonarg/c,on (cara,èreasémi egisRoacadibma>(...)113.)<31> atNnquonantat tous n atexs textdeon qiu quantitution du corl’étudeables criternus est dm preceesti re acquiss="footnotecall" id="bodyftn11" hr3f="#ftn2">2

    • 7  Nous aPlijetavs prea usr>fr nomd cC. llo-Nizia (1995, B.eCue ctntr, Sexele lortaetaT. Sche p
    • 9L’éqeiitijetad cfortGsi cel re acquisiques » leusuis " /> dontss="footnotecall" id="bodyftn11" hr3f="#ftn3">3 bieaus che esrdigéec>met de rent en e éhronobesment lpovaimetfortLongdernGre acr dont) suussstauseller sulehisison de langue disparaet demme eouvr impliconique, , l con nvisafusme vue quantiquan est po(disonseujcispa)edonnéela">fr

      11  PouLtifi du nomd cole etiodn, s possier parénacilixe à g. F considger les caplice etiodn, relstandpauxuque liant le tsneaut preceeusibucmure osier pae-f- lstition que lxtes sont nO chronof consider le corplice etiodn, globsla ( évtre e l au-del romans xlap’ua)) ?esécise de toudsxt ouvee tus emr emmsmettrs pas/anon cit a.org/cnealagepoups gelttaet de ais " /> égrançais " /> quiuls abpuyer surus es ples exempsse lén rmin mse frsse effet diffic Dvnorme cogique, leuse an dxtbiffée etiodesvient trdemmo nvisaenrnnente vessfique ouces tésl cla">fralcela»vitertasoit ltude eglo-nurs e eaui12Lme et 13ien cégeic lnui1ème sièexIagnt en prant risqutre dans rn évbrxtpoupode rude leua mesure où toutes lessl cgepoups g  12<) suussstars facilerme raltation qualiou duet blev pertum thdaorréc

      • 7  Voir les re.

        9  NouEn est cocionernanguereicatioucaermetative.

        npus du DMaue le probtifi du nomd c a nad 10 texalysesmcontra(religine frraires (rom,uj dvefan,siques » lficiln de mé)iéchanse an nostitnum" oucaermetetad cptldrerenrnnente luan est pss="footnotecall" id="bodyftn11" hr3f="#ftn4">4 atAe ltment l’esussi a la cons guurprit,de part de se aeltés s’sl s’agarfoiy laissagins ouvee elle catége etiodeildoi sontur sbei e im raldoi est neautre part, bienulpeu’il enes prendr est pot gu ou nor eur lsietles structe tel neec

  • 9  PouAir t ldnrfférentes difnéntes qui pedofique ouces t,s,e évolude traèree nstient sexele cpratiq lesve de ordp dn’exiesit toujoule traceusibbl lesle s setu :den de teus po et la//i’dui peou nor neauesurtaincioneae déternl’exipsiables p esussi ant risqurtrt lvigilus gtifeans guutionn des coxteses numértatif en osness’agyule oiticule cpratés ovs rt ler uaulus gesle de to,ultese, ades térlyse des tprP Rpo et la//( de cel utili)rine .orll’esurtanle luns guutionn des cox situs est drer daomrér en selaar otion d’au ets ène lingusi éant lelie pencuyer sui«aie part de se e langs rous d'ancque typelle ’eeisisontieécha,ae typelle diffc ounoisonse dans ls écha etavoir v etit: sne des tule, indneau ouubles pautre part, bienuurs mains,r us- » a(ao imialt inddpos 2  MêIalnt de déterven mor,ja fondertution du corpepploran prisonperffé d'ancquas des (mai ibre du corat tosentatives quees temax msla auir t ldusr bud  1211n2t>2propos. des cs2> 1

    2L’éqeiller sulr corpr  » au se lt préc-à-usr> exvaes sont aisation t,ssutéhemure o de tex qficilicatiou t,stre decondfem" oucaermetxteses numé) suusle sormablanguerelstandpfiée,ces textismpltion des df(ns eon selaar utfs outi driserrtie andeos deux pxe à giquanudeatiatisoirss herchouee dteson driserrtie andeos deux pabson it)oeue lal seassité à de tout complment facil (tifeanel sn selaar otion d’au unlypemblyse des tet éipedonné dont o dispose.

    )e démarfem" oucaermetxteses numé "e ller sustre decueneo
    comes docratationtmen ds ucance à pasait imeusme vue quantitatif et quaqntitatf, c’eseaexifbin. La tmsefotesno dcrar sades rartaides (mailuxe téh qualinpeesque lis Ilagtlonest le casssier parénaciliiel demeurp histoos disparaet demm
    ="ltr" id="heading3">1.4.)<2pérLtifitif ecaermetxteses numédiv>
    2L’éqeif travailler sur ra conformc« idnsation tité à e ureminer desaermetpeesqrtationusupeesque listique précsexDtilf.e des (mai formcrs,nuls échrillele,cour lre decemarecan prexte de motrantonce dont lemasel sn :sel snatiatisoirsantextes est daiurs mains,ns de mots). Au e part, lleqrtationuurstxes broence dont ’esurta de rn nvisafa nad ucancîat, lletioaliere lo/atilf.esenta>(...)
    • 7 6  Le lintisausiv pertummpl iblalne tilleoan doour lnorte in, llus rp histifeanX.
    6  Voir lS typ4,4%rpepploran prisonperoence dont lemsefotesqdont nr Ror tempsfrdec95,6%nr Roe par u
  • 9  PouCuess écha opque quali,eanel sesleulte, tre de écrepquen e mergunoisonineurs qualit vu(...s/anoei,mqueexconesaeésocsexLude et la repfotesmaaite sch-> ation, , forttifeanX(Boccaelifortpos DesynX dontss="footnotecall" id="bodyftn11" hr3f="#ftn5">5eanquosoeue latativrv tiqlaexemps copriseseprésehercha, llus es plans e etiodeseet grançais " /> aetme 16Lme et 13cors n’,aurionsaire ables eslans bas le: Baldecemaais, son-16Lme et 13,aantele qu vu(.grades t,nvoir dlncdger les caaiuonddans l antioaliere lo/ates sont nsuuentgnus ges roence dont le tor eueueqrtationrll’essv trarédigoppcn»ternl’exrecispcldrerge de mots n sontsexDeif tr, lleqrtationuuétudeanonpeesqdont nefortpos DesynX dontil a nassle v tr dxtsimplibnorta secoudeppcienuf romare part, atiatisoirsaecet lasseivepas/» ds nle l Cel/Nrionsaire et f tradiffc oesnex qent ue moet d,dre r temps , llus es plans ence dont lenetles stens qui o, bon cie par orpus,e mo n de e i’unl des dea et difficrecispcltesrgenme ex d’au esmaaite éch-> ation, ss="footnotecall" id="bodyftn11" hr3f="#ftn6">6 atNnquoavualitnle lunit ltudeppcienunt notdin, llus rp hisesi etiodeet grançais " /> ,anudeatiatisoirsforttifeanX(Bocca de nuthrono andeaet demmoetm veiv bles de vlede ême affic rtationrlest le casdiffc andm ce encrs2.1.es distens qui ooire.osocsosoenre52oence dont lemafortpos DesynX dontntese 1121lemaforttifeanX(Boccss="footnotecall" id="bodyftn11" hr3f="#ftn7">7 bietraa fonderimage e i’unl des dea oenre29oence dont l(7,8%)rp hisesi re tient,ntese 340aa fonderimpar J. Ofaiurusspurpan preit ltudeppcienuntunt notdle u p ux s n’rsuiva de ori est pas tonul à desencrse lngaire d’u. Ts distens qui ooire.osocsosviet doyairafficit l19oence dont l(1,5%)lemafortpos DesynX dont,ntese et50lemaforttifeanX(BoccexLude ecienuntucteus mquees (maciliide e i’unl des de2.1.11oence dont l(1,8%)rntese 690u !

    9  NouOfa effque ltment lger une normilypemblyse des teent,usimpliden dloppdigoppiurs conp fondes dispa ae, commoss="footnotecall" id="bodyftn11" hr4f="#ftn6">6 biet bien d élevueue-ox pas-np fondes dispa aaet demm ’esit toujouvexplore des tem l idimqualindel sitiient decemaede déiè de de ce,vqueploreila r si dont ortaers du cooiformc«rrat qualitat toque lis Ilagtlon,el silunt toujm"etxtsqdont nbrutt dex csesA duque, ces teanquoploreae mote losi lci dus/ efrsse effetr les canttition vnorme lypue, leuéalnd crivg  12 fondda> exvaes rue listique précs),af romspective d’unere etablionrme c«rrat qualo s’rimailuat tose lén rmans xtcommochronitiuude tonelp)netiillenaltammochronistique précs),ac sitiient de rue ispegi poux faci i déqulypue, leuse an dxtbss sont e noeneélevleelpreepp histo est daiais " /> aee .oe l l s="footnotecall" id="bodyftn11" hr4f="#ftn7">7 b

  • 11n3) 1

    2  Pouclasmarecacileauxu rous d'ancdnsation tiéreon oudmiep des oitentnanxpelle les de lngue dispa lt précthrono andevs q eéleve lal silunt toujouv déqu. Il e(échanéquc-> stoutre e e langue dispa)rp hises certaiilat gu ou no tanteddpooc La cs. llm" oucaermets. La n dxtbss sont e llet facili plomat:s texteses numé,neo comes docloiooa donné sont nsulescuspecti decdticgepouvrir,ideic«ris cetdudeeo e gotreiucance à paur esque listique précs,ao imme gi poanc ,ac sitiifavori pospegi poux faci is sui siosuv our smblys dons2  NouAfla meierrs lifeinees dossierdœ,eee dontaue faitaar utan nexorpbiunlnétioeau-de nentlaleniur sfresurtainu onquae vlede e teunlnéralement pr qualitebu" v ,ayuxe tt le lal eextes sont fetativit donnérristiques du co tiuude tonelr leimiadii satet, en admenr disparaet demmo(as deux pp hisle ais " /> )frsseéreoar>ll eextes srisqt lstyles du co deos. La car evs dossiexconsimpliesrtees doilleyperchronxtes sont ainsle p ouvenespusrecacileauxu rous d'ancdsecoude plomat:s qualovaes let facilidnmadoi pssibatcrsrddmieose écisseéreoantud raalyse l au-del ofique ouces t isonsr v l lasne lpen faildxtu,axs textdeon qiu qusqnformi casssirs (mais r l-> (rommblesl cesctldreour lnulus gesle de to< Ofauesit leintoutre e cras/canes contraopertiualisfrdre efnt pr renes contra selae losexOracele tésrtasouément pour eesi font cles e d sfi quanti disparaet demme t cornquosonutes numpo easiidt preploran prisonpero sont fauéreon ou mlnous d'ancat

    fr e léc, sier lo-1500">Hautrtaipage d>

    Notes

    1  Marchello-Nizia (1995 : 22) suggère que le linguiste médiéviste peut parfois développer, à défaut d’une compétence de « production », une compétence de « reconnaissance ».

    2  Le linguiste médiéviste semble prisonnier d’une situation circulaire, étudiant les textes avec une connaissance de la langue fondée sur ces mêmes textes. Une démarche critique, largement fondée sur la prise en compte régulière de nouveaux textes, et la mise au jour concomitante de nouveaux faits, ou la rectification de précédentes analyses, permet cependant d’échapper à la circularité.

    3  Dans le cadre d’un travail sur un état de langue contemporain, l’intuition permet certes d’évaluer avec davantage de certitude le caractère grammatical / acceptable d’une construction, mais elle ne permet pas pour autant de dater précisément l’émergence (ou la disparition) d’une construction (même récente) ni de fournir des fréquences fiables, et encore moins détaillées.

    4  Pour un historique de cette question, voir Péry-Woodley (1995).

    5  La question du nombre de mots ne se pose pas pour les textes intégraux, mais il convient en revanche de pondérer les résultats en fonction de la taille variable des textes. Notons à cet égard que la notion de texte intégral mériterait d’être discutée, tant les « unités textuelles » varient selon qu’il s’agit d’un proverbe, d’un lai, d’une chronique, ou bien d’un roman en plusieurs volumes.

    6  S’appuyant sur les caractéristiques du corpus LOB, Biber (1990) propose de retenir 10 textes par catégorie, et, se fondant sur la représentativité de nombreux traits grammaticaux, il suggère une moyenne de 1000 mots par échantillon ; il admet cependant qu’un échantillon plus important est nécessaire pour certains traits plus rares.

    7  Voir les remarques de Guillot (2003) à propos Des cas des nobles hommes (Boccace, traduit par Laurent de Premierfait), qui alterne plusieurs types narratifs.

    8  Cela rejoint la remarque faite en note 5.

    9  Nous adoptons ici une terminologie très simplifiée, en opposant genres littéraires (roman, nouvelle, chanson de geste, poésie, théâtre…) et genres non-littéraires (texte juridique, charte, coutumier…), qui se subdivisent en sous-genres. Une classification beaucoup plus fine et argumentée des textes a été élaborée à l’ENS-LSH de Lyon (C. Marchello-Nizia, C. Guillot et A. Lavrentiev). Elle distingue des « domaines » (religieux, littéraire, juridique, historique et didactique, et parmi eux des « genres » (hagiographie, épique, roman, lyrique, traité, serment, chronique, mémoires, encyclopédie…).

    10  Nous ne disposons de toute façon d’aucune trace d’oral véritable, au mieux pouvons-nous prendre en considération les « mises en écrit » de l’oral.

    11  Même si les études diachroniques suscitent un intérêt croissant chez les collègues modernistes, le français médiéval reste encore un objet quelque peu marginal, ce qui explique le retard en matière de numérisation des textes, moins susceptibles de trouver des débouchés commerciaux immédiats. A cela s’ajoute la difficulté accrue de numériser ce genre de textes, en raison de l’absence de locuteur natif et de la variation graphique. Il faut aussi évoquer les fortes résistances de certains éditeurs commerciaux, qui bloquent la libre utilisation des textes, précisément lorsqu’il s’agit de les numériser. Malgré cela plusieurs bases d’une taille conséquente – plusieurs millions de mots – se sont peu à peu constituées, en particulier celles de la BFM et du DMF (voir notes 12 et 13).

    12  BFM : Base de français médiéval, UMR5191 ICAR / ENS-LSH Lyon (environ 3 millions de mots). Au moment où nous rédigeons cet article, le site de la base est provisoirement indisponible pour des raisons juridiques et nous ne sommes donc pas en mesure d’en communiquer l’adresse.

    13  Base du DMF : Base du Dictionnaire de Moyen Français, UMR7118 ATILF / Nancy-2, <http://atilf.atilf.fr/dmf.htm> (environ 7 millions de mots).

    14  Pour des raisons en partie analogues à celles évoquées à propos de la simple numérisation des textes (voir note 11).

    15  Depuis plusieurs années 5 textes (plus de 300 000 mots) de la BFM sont étiquetés à l’aide d’un jeu de 60 étiquettes morpho-syntaxiques (cf. 2.3. infra). Parmi les vastes projets actuels on citera le projet « Modéliser le changement : les voies du français », dirigé par F. Martineau à Ottawa, et le projet ANR « Corpus représentatif des premiers textes français », dirigé par Céline Guillot (ENS-LSH de Lyon).

    16  Les procédures par apprentissage, assez performantes, supposent d’être déjà en possession d’un ou plusieurs texte(s) étiqueté(s), et par ailleurs de procéder à des vérifications systématiques, la variation pouvant générer davantage d’erreurs que pour le français moderne. A propos de cette démarche, voir Prévost & Heiden (2002) et Stein (2003).

    17  Pour un développement de ces différents points en corrélation avec la démarche menée au sein de la BFM, voir Prévost & Heiden (2002).

    18  La BFM pour l’ancien français, la base du DMF pour le moyen français, et celle de Frantext pour le 16ème siècle (5,6 millions de mots).

    19  Prévost (1999).

    20  Ici abrégé par commodité en /aucun/. Cf. Prévost & Schnedecker (2004).

    21  Prévost (2008a).

    22  Bien moins cependant que dans le cas de sujets nominaux…

    23  Notons cependant que, face aux données volumineuses, des procédures textométriques, en particulier l’établissement de concordances bien ciblées, peuvent déjà faire émerger des résultats significatifs, avant une analyse manuelle plus fine.

    24  Nous reprenons ici assez directement ce que nous avons dit sur cette question dans Prévost (2005 : 152-153)

    25  Même si l’exacte délimitation entre les deux périodes n’est pas totalement consensuelle. Rappelons d’ailleurs que cette distinction s’appuie sur des critères non seulement linguistiques mais aussi politico-socio-culturels. Pour une présentation détaillée de cette question, voir Marchello-Nizia (1997a : 3-9).

    26  C’est la conception du changement qui avait été développée dans un premier temps dans le cadre de la grammaire générative : selon Lightfoot (1979), un changement linguistique ne peut être que ‘catastrophique’, dans la mesure où il suppose une réanalyse, et que seuls les enfants sont capables d’accomplir une telle opération, en analysant différemment les énoncés entendus. Les changements linguistiques sont donc liés aux changements générationnels. Lightfoot a par la suite adopté une position moins radicale.

    27  Voir à ce propos Prévost (2005, note 5, p. 149)

    28  Pour une discussion de cette notion, généralement mise en relation avec celle de « corpus de spécialité », voir, entre autres, les différents travaux de D. Biber, de B. Habert, ainsi que Péry-Woodley (1995) et Condamines (2000).

    29  La question est en outre discutée dans Habert et Zweigenbaum (2002).

    30  « Etat de langue » s’entend ici prioritairement dans un sens chronologique : un état de langue à une époque donnée. Mais un état de langue est complexe, soumis aux variations liées aux genres et aux registres… qui constituent aussi d’une certaine manière, et dans un sens quelque peu différent, des « états de langue ».

    31  Ont cependant été ajoutés 2 registres : discours non conversationnel (discours, sermons…) et prose non fictionnelle, et 2 sous-corpus : news et conversation en anglais américain.

    32  Pour une présentation détaillée des objectifs et de la constitution du corpus, voir l’introduction, pp. 1-45. Sont aussi explicités les différents types d’analyses menées sur le corpus, automatiques pour certaines, partiellement manuelles dans le cadre de programmes interactifs pour d’autres.

    33  Projet sous la direction de C. Marchello-Nizia, B. Combettes, S. Prévost et T. Scheer.

    34  Voir note 9 la classification proposée dans le cadre du projet mené à l’ENS-LSH de Lyon.

    35  Prévost (2008b).

    36  Ce qui a supposé un élagage « manuel » assez important pour quant à X.

    37  Soit 4,4% de l’ensemble des occurrences des deux formes pour le premier, et 95,6% pour le second.

    38  Nous n’avons pas regardé de près ce qu’il en est pour les occurrences toutes positions confondues.

    39  Parmi les approches récentes à ce sujet, voir Marchello-Nizia (2006, ch. 8).

    40  Il serait intéressant de savoir si cela est spécifique au palier textuel, ou bien si des distributions analogues s’observent à des niveaux supérieurs, en particulier ceux de l’auteur et du genre.

    41  Cf. Marchello-Nizia (1997b) pour la corrélation des trois phénomènes qui vont être évoqués, et Marchello-Nizia (2003), (2004a), (2004b) et (2006) pour la poursuite de l’analyse des démonstratifs.

    42  Il faut à cet égard garder à l’esprit que travailler sur des corpus enrichis suppose une étape préalable de « familiarisation » avec l’étiquetage mis en œuvre, tant en ce qui concerne ses principes que sa réalisation dans les faits : un étiquetage n’est jamais neutre ni parfait, et il convient donc d’en maîtriser les caractéristiques et les faiblesses (zones d’erreurs fréquentes en particulier), afin d’exploiter de manière appropriée le corpus.

    43  Pour une présentation du jeu de 58 étiquettes, voir <http ://weblex.ens-lsh.fr/projects/bfm/jeu_d_etiquettes>.

    44  Il s’agit des romans La Mort Artu et La Queste del Saint Graal.

    45  Respectivement Les quinze joyes de mariage, recueil de nouvelles, et Le roman de Jehan de Paris et le livre 1 des Mémoires de Commynes.

    46  Pour le français, voir Fleury & al. (2000), et Folch & al. (2000).

    47  Mais réalisée sur des états de langue moderne : voir Habert (2000) ainsi que les différents travaux de Biber (en particulier Biber 1998).

    Haut de page

    Pour citer cet article

    Référence électronique

    Sophie Prevost, « Corpus informatisés de français médiéval : contraintes sur leur constitution et spécificités de leurs apports », Corpus [En ligne], 7 | 2008, mis en ligne le 13 novembre 2009, consulté le 17 décembre 2017. URL : http://journals.openedition.org/corpus/1500

    Haut de page

    Auteur

    Sophie Prevost

    Lattice (CNRS / UMR 8094)

    Articles du même auteur

    Haut de page

    Droits d’auteur

    © Tous droits réservés

    Haut de page

    • Logo Revues électroniques de l’université de Nice
    • OpenEdition Journals