Navigation – Plan du site

AccueilNuméros27Périmètres des motifs et méthodes...En-registrer les genres littérair...

Périmètres des motifs et méthodes de détection

En-registrer les genres littéraires. Repérage et apprentissage de marqueurs de registres discursifs

Recording literary genres. Identifying and learning markers discursive registers
Véronique Magri, Damon Mayaffre et Laurent Vanni

Résumés

Cette recherche repose sur une hypothèse complexe : des régularités linguistiques distinctives définissent chaque genre littéraire ; un genre se caractérise par un registre discursif dominant, lui-même associé à un acte de langage définitoire, dont les marqueurs peuvent être identifiés par des méthodes de repérage automatique. Le registre didactique est proposé comme structure sous-jacente du récit de voyage. Un corpus contrastif, composé de textes narratifs factuels et fictionnels, sert alors d’observatoire pour tester des méthodes complémentaires : l’analyse quantitative d’une part, les modèles convolutionnels et transformers d’autre part. Ces outils permettent de repérer des motifs lexico-grammaticaux séquentiels et transphrastiques. Le dispositif linguistique de neutralisation des énoncés comme la dynamique analogique sont pointés comme procédures saillantes par les outils utilisés, ce qui ouvre la voie à une redéfinition du motif intégrant la dimension énonciative de l’énoncé aux côtés de la stricte analyse structurale.

Haut de page

Texte intégral

Introduction

1Faisant suite à un travail exploratoire sur la détection automatique de marqueurs de genres littéraires et de registres discursifs dans un corpus réduit (Magri & Vanni 2024), cette contribution entend élargir l'observation, réfléchir à la notion de motif, et étayer la plus-value heuristique des réseaux de neurones profonds appliqués à la tâche de classification automatique. En cela, il entend faire écho aux travaux de (Diwersy et Legallois 2019) qui étudient la contribution des motifs aux analyses phraséologiques en genre et en discours.

2Le corpus qui a fait l’objet de la précédente recherche est constitué d’œuvres d’un seul écrivain, Pierre Loti, tout en se fondant sur une composante contrastive puisqu’il réunit des récits de voyages et des œuvres de fiction narratives. Le corpus présenté ici neutralise la variable de l’auteur en proposant un panel de neuf écrivains et conserve la dimension contrastive, chaque écrivain étant l’auteur à la fois d’un récit de voyage et d’une œuvre de fiction, selon la nomenclature générique établie a priori.

3Posons que des régularités linguistiques peuvent être élues comme caractéristiques de chacun des sous-ensembles génériques et qu’il est possible de les extraire automatiquement. Afin d’avoir un corpus représentatif, deux œuvres, voire trois, ont été choisies pour chaque écrivain, dans un souci des équilibres volumétriques, selon le tableau suivant :

Auteur « Récit de voyage » « Roman »
Chateaubriand Itinéraire de Paris à Jérusalem (1811) Les Natchez (1826)
Dumas Corricolo (1841) Les Trois Mousquetaires (1844)
Flaubert Par les champs et par les grèves (1847- publication en 1881) L’Éducation sentimentale (1869)
Hugo Le Rhin (1842) Notre-Dame de Paris (1831)
Lamartine Voyage en Orient (1835) Graziella (1849)Le Tailleur de pierres de Saint-Point (1851)
Maupassant Au Soleil (1884) Une Vie (1883)
Nerval Voyage en Orient (1851)Promenades et souvenirs (1854) Aurélia (1855)Les Filles du feu (1854)
Sand Lettres d’un voyageur (1837)Un hiver à Majorque (1841) Lélia (1833)La petite Fadette (1848)
Stendhal Mémoires d’un touriste (1838) La Chartreuse de Parme (1839)

4C’est le statut du référent qui définit l’orientation générique des textes du corpus en premier lieu. Pour le texte viatique, le référent préexiste au discours et la visée première du récit est informative, même si évidemment les enjolivements de la réalité ne sont pas exclus quand on a affaire à des voyageurs-écrivains. Les œuvres narratives qui sont proposées en contraste revendiquent leur caractère fictionnel. Le référent se construit au fil du récit. Cette opposition problématise ainsi la relation établie entre l’énoncé verbal et le monde extra-textuel. Le récit de voyage évolue sur une échelle graduelle de la véracité : écrit par un géographe ou un militaire, il se maintiendra au plus près du pôle factuel ; écrit par un poète, il s’en éloignera davantage par un travail de recréation artistique. Le récit de voyage se distingue néanmoins toujours de l’œuvre de fiction par les enjeux pragmatiques qui lient l’intention de l’auteur et la croyance du lecteur. Même un référent imaginaire, comme dans les récits de voyages de Jules Verne par exemple, est posé comme authentique par un récit qui mime l’armature reconnaissable du récit viatique.

5Les notions de genre littéraire et de registre discursif induisent toutes deux un dialogue entre l’esprit de synthèse qui sous-tend l’entreprise de théorisation et l’esprit analytique qui observe les pratiques langagières. Elles sont en effet des outils de classification des textes qui doivent négocier les rapports entre le particulier et le général : par-delà la disparité, l’observation de régularités saillantes fait converger vers les nomenclatures plus ou moins stabilisées du genre littéraire et du registre discursif. Les liens entre ces deux notions doivent cependant être clarifiés : la notion de registre discursif, plus récente, vient s’articuler à celle de genre littéraire, en prenant place dans le domaine de la sociolinguistique comme de l’analyse de discours. Les frontières sont même poreuses quand le genre littéraire se définit comme « type de discours stabilisable sur une base pragmatique et linguistique » (Philippe 2008, 28) et quand le genre est caractérisé par son ancrage social et la situation de communication (Charaudeau 2014) et non plus seulement comme configuration littéraire historiquement située.

6Les deux notions ne se recouvrent pas néanmoins. Le registre permet « la conjonction entre les choix lexicaux, les modalités, les attitudes affectives » (Viala 2001) ; c’est la composante émotive qui s’érige comme propriété définitoire première et qui permet au registre discursif de se distinguer alors du genre littéraire. Autrement dit, le registre discursif repose sur un acte de parole dominant, qui engage les observations vers le pragmatique et plus particulièrement vers l’analyse de la régulation sociale des échanges entre émetteur et récepteur. Si un acte de parole définit un registre discursif, l’hypothèse est qu’à un genre littéraire, forcément traversé de registres divers, correspond un registre dominant.

7L’enjeu de cette étude est de croiser la différenciation générique, celle qui fait contraster deux genres narratifs, récit de voyage et roman, et la mise en valeur automatique d’un registre dominant du récit de voyage au travers de motifs linguistiques reconnaissables. Le récit viatique vise à rendre compte d’une expérience authentique ou présentée comme telle et à transmettre un savoir expérimental au lecteur profane ; c’est le registre didactique qui paraît a priori pouvoir coïncider avec l’acte pragmatique de la transmission du savoir. Ce registre apparaît si caractéristique que les pastiches ou les parodies du genre, dont on sait qu’ils utilisent ou grossissent des points qui permettent une reconnaissance générique immédiate, sont identifiables principalement au travers de cette volonté didactique mimée (Ponty 2023). Ce registre mobilise la valeur illocutoire des actes de « représenter », « faire connaître », liés au mouvement intellectuel de la curiosité, et assigne des places sociales hiérarchiquement ordonnées au scripteur et au lecteur. Il doit ce faisant répondre à cette « injonction de neutralité » (Badiou-Monferran 2008, 123), lisible dans les définitions des dictionnaires associées à cet adjectif, et donc, paradoxalement, aligner sa valeur émotive sur l’absence d’affects apparents pour construire un « discours désaffecté » (Badiou-Monferran 2008).

  • 1 L’ensemble des méthodes présentées dans cette contribution sont implémentées dans le logiciel Hyper (...)

8 Les outils d’analyse traditionnels de la distribution des étiquettes morpho-syntaxiques et du calcul des spécificités sont d’abord utilisés : ils servent à pointer les contrastes qui touchent tant à la macrostructure du genre qu’à la catégorie transversale et discursive du registre, observable comme un ensemble de procédés ou jeux de langage au sens de L. Wittgenstein (Achard 1995, 87) pouvant former système par leur récurrence et leur convergence, deux propriétés envisagées comme significatives. Le deep learning est ensuite testé pour le repérage d’observables linguistiques complexes et distinctifs. En combinant modèles convolutionnels et transformers, qui semblent restituer l’axe syntagmatique et l’axe paradigmatique des textes, nous identifierons des motifs transphrastiques susceptibles d’informer les genres et les registres étudiés1.

1. Saillances statistiques des genres et des registres

9 À partir du corpus Loti, les outils d’analyse traditionnels de stylométrie, complétés par le deep learning, avaient permis de repérer quelques saillances textuelles spécifiques. Il s’agit ici d’explorer notre nouveau corpus étendu pour prétendre à une généralisation des observations. Une première approche, d’ordre statistique, conforte l’hypothèse de travail sur la prégnance du genre et du registre sur toutes productions textuelles abouties, épousant ainsi la recherche des grands auteurs (Rastier 2001 ; Adam 2004 ; Brunet 2016).

1.1. Distances intertextuelles et distribution des étiquettes morpho-syntaxiques

Fig. 1. Analyse arborée de la distribution des principales étiquettes morpho-syntaxiques (distance du Khi-2). Étiquettes obtenues avec la librairie Spacy et le model fr_core_news_lg pour le français

Fig. 1. Analyse arborée de la distribution des principales étiquettes morpho-syntaxiques (distance du Khi-2). Étiquettes obtenues avec la librairie Spacy et le model fr_core_news_lg pour le français

10Selon le calcul de la distance intertextuelle (Corpus 2003), effectué ici sur les étiquettes morpho-syntaxiques, et la représentation arborée de cette distance, récits de voyages et romans se distinguent nettement sur le plan grammatical (figure 1). Les récits de voyages se distribuent dans la partie haute de l’arbre, avec des proximités plus affirmées pour les récits de Nerval et de Sand, ou encore de Lamartine et de Chateaubriand, portés par la même branche. Corollairement, les proximités entre les textes fictionnels sont patentes avec, là aussi, des positions particulièrement remarquables. Un groupe de fictions forme un bouquet en bas à gauche du graphique, avec Dumas, Stendhal, Sand tandis que les œuvres de Flaubert et Maupassant, dont on connaît la filiation, se rejoignent sans surprise. Deux exceptions seulement sont à noter : le texte fictionnel de Chateaubriand se mêle au groupe viatique tout en se rapprochant du récit de voyage du même écrivain ; le récit de voyage et le récit de fiction de Dumas ne se séparent pas, le premier s’intégrant à l’ensemble fictionnel. Cette alliance des deux types de textes pour Chateaubriand et Dumas est sans doute un indice d’une écriture dont les caractéristiques individualisantes prennent le pas sur l’inscription générique. Dans son récit de voyage, Dumas multiplie les anecdotes, les scènes dialoguées et l’on sait que ces deux séquences sont davantage représentatives des œuvres narratives fictionnelles (Magri 2021). Les Natchez, rédigé à partir du voyage de l’auteur en Amérique en 1791 mais aussi d’emprunts à d’autres récits comme l’Histoire des voyages par l’Abbé Prévost, est considéré par la critique comme un poème épique en prose, formant un triptyque avec Atala et René pour décrire la vie indienne, les paysages d’Amérique du Nord et, en particulier, la révolte du peuple des Natchez contre les colons français. La composante poétique et l’intention descriptive sont deux attributs du transfuge qui, loin d’invalider la partition générique, ne font donc que la conforter.

11Cette première analyse arborée confirme ainsi le contraste entre fictions et récits de voyages, établi sur la distribution des catégories morpho-syntaxiques, et nourrit l’interrogation sur les marqueurs linguistiques, qu’ils soient syntaxiques, lexicaux ou plus complexes, qui justifient cette distinction.

Fig. 2. AFC des principales étiquettes morpho-syntaxiques dans le corpus

Fig. 2. AFC des principales étiquettes morpho-syntaxiques dans le corpus

12L’Analyse factorielle des correspondances (AFC), établie sur les principales étiquettes morpho-syntaxiques, confirme l’analyse arborée précédente en donnant à voir sur les deux premiers axes, les éléments grammaticaux explicatifs de la distribution observée. Autour des récits de voyages, à droite sur l’axe 1, se rejoignent les composantes du groupe nominal (déterminant, nom, adjectif), indices des séquences descriptives, tandis que c’est la classe verbale (verbe, pronom, adverbe) qui caractérise le groupe des romans dans les quadrants gauches du graphique ; on peut y lire la dynamique narrative. La temporalité est également discriminante : le présent est l’apanage du voyage tandis que c’est l’imparfait associé aux pronoms de troisième personne qui gravite autour des textes de fiction, faisant écho à l’armature narrative des récits, plus prégnante que la vocation descriptive. Les pronoms de deuxième personne, les interjections, le futur sont autant d’indices qui peuvent évoquer les séquences dialoguées prédominantes dans cet ensemble générique. Les variations morpho-syntaxiques en genre et en nombre sont encore discriminantes : du côté du voyage, se rejoignent le masculin et le pluriel. A priori, si on associe le féminin aux noms abstraits qui empruntent volontiers ce genre grammatical, on pourrait avancer que le texte viatique est davantage sensible aux aspects concrets du monde à décrire ; ceux-ci s’accommodent mieux du pluriel, l’appréhension des noms concrets étant préférentiellement comptable. Suivant le contraste entre l’universel et le singulier, on peut soutenir que la prépondérance du pluriel dans le récit viatique participe à l’entreprise d’extension au-delà du particulier et de concrétisation qui s’articule à la visée didactique du discours. La primauté du pluriel dans le voyage est en tout cas remarquable. Le verbe, qui est massivement sous-utilisé dans le récit viatique, se retrouve majoritaire lorsqu’il est conjugué au pluriel, comme l’atteste l’histogramme suivant (figure 3) :

Fig. 3. Distribution des verbes dans le corpus (calcul des spécificités)

Fig. 3. Distribution des verbes dans le corpus (calcul des spécificités)

1.2. Spécificités génériques et traces de registre

13Le discours didactique se distingue par sa visée pragmatique, qui consiste à « faire en sorte que l’autre sache » (Charaudeau & Maingueneau 2002, 183), l’écrivain-voyageur étant promu voix d’autorité parce qu’il est investi d’une mission testimoniale indiscutable ; il est un énonciateur surplombant ou en posture de surénonciation pour reprendre les termes de Rabatel 2004. L’historique calcul des spécificités ou test exact de fischer (Lafon 1980 ; Pincemin 2024) permet d’explorer les corpus à la recherche d’indices qui pourraient confirmer l’hypothèse didactique comme acte de transmission du savoir.

Fig. 4. Spécificités positives du genre « voyage »

Fig. 4. Spécificités positives du genre « voyage »

14Appliqué à différents niveaux de description du texte (formes, codes et lemmes), ce calcul permet, outre la prédominance des noms propres, toponymiques ou ethniques, et des noms descriptifs comme « ville » et « mer » qui intéressent peu l’armature linguistique normative du discours didactique, de confirmer certains résultats : le présent de l’indicatif illustré par les formes des verbes les plus usuels « sont », « est », « a », « ont », entre autres, caractérise le voyage, accompagné par la catégorie du pluriel qui arrive en tête des codes, avec le plus fort écart réduit, et par le pronom « nous » (lui-même pluriel), qui figure en haut de la liste des formes. Le statut monologique du récit de voyage inscrit dans sa facture même les interactions avec le lecteur profane. Le lecteur - destinataire choisi et contemporain ou virtuel et évolutif au cours du temps - est en effet englobé dans les pronoms inclusifs du « nous » et du « on ».

Fig. 4 (bis). Spécificités positives du genre « roman »

Fig. 4 (bis). Spécificités positives du genre « roman »

15En revanche, du côté des textes de fiction, c’est la structure dialogale qui s’esquisse au travers de la ponctuation affective, du pronom de dialogue « tu », de la négation, des marqueurs du discours direct (les guillemets) ; l’armature du texte narratif au passé avec la personne 3 associée à l’imparfait se devine par ailleurs.

16 La « neutralisation affective » est un des critères pressentis du discours didactique (Badiou-Monferran 2008) qui souhaite transmettre un savoir universel : le voyageur est dès lors tendu entre l’expérience particulière qu’il vit et la prétention à l’universalité. Le désancrage temporel et personnel se lit dans l’emploi du présent majoritaire, tiroir verbal atemporel, et du pronom « nous » qui dilue la personne « je » dans un pluriel plus accueillant.

1.3. Ngrams

17Les tri-grams spécifiques en début de phrase précisent encore le dispositif énonciatif qui sous-tend l’entreprise didactique. Les énoncés « je + passé composé », « j’ai vu », « j’ai passé », sont remarquablement spécifiques du texte viatique. Le passé composé se rattache à la structure du discours, coïncidant avec l’étape de l’expérience dont les leçons sont tirées puis transmises. Sur le plan sémantique, que le verbe « voir » émerge aux côtés du verbe de mouvement « passer » résume les deux actes définitoires du voyage, le déplacement et le témoignage visuel, le plus indiscutable. Le voyageur sait parce qu’il a vu lors de son parcours. On retrouve ici précisément la définition du motif selon Legallois et al. (2016) envisagé comme énoncé continu et « patron lexico-grammatical séquentiel » interprétable (pp. 97, 103).

18L’élargissement de la recherche des tri-grams spécifiques éludant le paramètre de la place en début de phrase met à jour d’autres caractéristiques significatives. Le pronom personnel indéfini « on » apparaît : davantage encore que le « nous » déjà observé, il permet d’estomper la présence du « je » qui s’absente le temps d’une description ou d’une explication et d’accéder à une expansion du « je », susceptible d’inclure plus facilement le lecteur. Les structures « il y a » et celles qui contiennent le présentatif « c’est » adoptent le ton des évidences et, quoi qu’il en soit, correspondent à des énoncés thétiques, sans ancrage temporel ou personnel identifiable. La locution « c’est-à-dire » enfin est un marqueur de glose très usuel, dont le rôle est explicatif et propre à un discours didactique.

2. Approche deep learning : vers des motifs profonds caractérisant genres et registres

19Pour compléter et enrichir l’analyse statistique de la première partie, nous convoquons ici les réseaux de neurones profonds, sur l'hypothèse que les performances en classification automatique (prédiction) reposent sur la détection de structures complexes dans le texte que nous appellerons « motifs profonds » (Vanni 2021).

  • 2 Étant entendu que les modèles Transformers sont donc sensibles aux rapports entre les mots (Saussur (...)

20Parmi les architectures IA existantes nous utilisons les réseaux convolutionnels et la self-attention (Transformers) pour combiner deux approches complémentaires pour la classification automatique de texte (Pengfei et al. 2021) ainsi qu’une représentation multi-channels pour introduire une couche morpho-syntaxique dans les analyses (Feng & Cheng 2021). Outre le gain de performance avec ce type d’architecture hybride, nous utilisons les réseaux convolutionnels pour leur excellente capacité à restituer les saillances locales sensibles à la séquentialité du texte (Vanni et al. 2018) et les Transformers pour leur efficacité à détecter des associations à plus longue distance. Ainsi pour mettre à jour des « motifs » complexes, nous plaidons que la séquentialité convolutionnelle fait écho à l’axe syntagmatique saussurien, là où la self-attention et les rapports qu’elle calcule entre les mots semblent renvoyer à une logique paradigmatique (Mayaffre & Vanni 2023)2.

21Ce développement a ainsi deux objectifs : caractériser par le deep learning les genres textuels étudiés et les registres qui les traversent, et participer à la définition et à la détection de motifs textuels d’ordre non pas nécessairement phraséologique mais transphrastique ou paragraphique qui se ventilent au fil du texte jusqu’à caractériser une époque, un auteur, ou ici un genre et un registre.

2.1. Modèle

22L'architecture du réseau de neurones profonds choisie est un Multi-channel Convolutional Transformer (MCT) (Vanni et al. 2024). Dans notre étude, cette architecture est appliquée à une classification automatique binaire de textes suivant les deux classes : 1) Récits de voyages ; 2) Romans. Le modèle utilisé est entraîné à partir du corpus présenté en introduction découpé en segments de textes de 50 mots pour un total de 100.000 segments répartis entre données d'entraînement (80% du total), validation (10%) et test (10%).

23Les hyperparamètres du modèle sont choisis à la fois pour garantir de bonnes performances en classification et pour permettre la détection de marqueurs linguistiques complexes discriminants. L'extraction des marqueurs se base sur la projection des valeurs latentes des matrices de convolution et de self-attention. Ainsi nous avons choisi des fenêtres de convolution (kernel) fixées à 3 tokens pour chacun des channels afin de focaliser la recherche sur des syntagmes discriminants comparables aux Ngrams classiques en ADT (cf. figure 5 et 5bis). La self-attention, quant à elle, est mobilisée pour détecter des associations à plus longue distance et en mixant les différents channels ; ces associations de mots à plus longue distance nous semblent faire écho aux « rapports associatifs » entre mots ou unités linguistiques décrits par Saussure dans le Cours, modulo qu’elles sont ici apprises en corpus, là où elles sont « en mémoire » chez le Génevois (Saussure 1916, chapitre V).

Fig. 6. Performances du modèle Multichannel Convolutional Transformer (MCT) comparées aux modèles de références FastText (Joulin et al. 2016) et CNN (Kim 2014) appliqués aux trois channels (Formes graphiques, Codes grammaticaux, Lemmes)

Accuracy (%)

Precision (%)

Recall (%)

FastText

nc

64.80

64.80

CNN-Forme

85,00

86,26

83,97

CNN-Code

71,55

69,61

73,36

CNN-Lemme

79,23

79,49

75,85

MCT

87,50

87,03

86,60

24Nous avons aussi appliqué dans cette étude différents filtres sur le corpus pour renforcer la détection de combinaisons complexes. Ainsi les noms propres et les spécificités lexicales supérieures à 5 (Lafon 1980) ont été retirés du corpus (remplacés par des mots blancs ou Padding). Cette technique prive le deep learning de marqueurs statistiques forts et évidents. Pourtant, les performances restent remarquables en classification (figure 6) attestant des capacités des réseaux de neurones profonds à détecter des observables moins obvis et plus complexes dans les textes. Nous allons voir dans la prochaine section que la nature de ces observables complexes rejoint les discussions autour de la détection de motifs au sens de [Longrée & Mellet 2013] ou [Legallois et al. 2016, 2018] notamment pour différencier des registres discursifs.

2.2. Résultats

25Les prédictions du deep learning s'appliquent généralement à des données nouvelles dites « données de test ». Le but ici n'étant pas la classification automatique de nouveaux textes mais la détection du genre et des registres dominants, nous avons choisi d'utiliser la méthode d’extraction de passages-clés que nous avons proposée (Vanni et al. 2020). Cette méthode se concentre sur les données d'entraînement pour extraire les segments (ie séquence de 50 mots) les plus caractéristiques de chaque classe. Pour cela, la fonction d'activation de la couche de sortie (softmax) est neutralisée avant de repasser l'ensemble du corpus dans le modèle. Les sorties obtenues peuvent ainsi être triées par score d'activation sur chaque classe et les segments associés aux meilleurs scores peuvent être analysés.

26Les deux premiers extraits obtenant les activations les plus fortes sur la classe « récits de voyages » confortent les observations faites par les approches statistiques plus classiques de la première partie (figures 7 et 8). Les marqueurs convolutionnels de chaque channel (visibles sur les figures en bleu pour les formes graphiques, en orange pour les catégories morphosyntaxiques et en vert pour les lemmes) ainsi que les liens de self-attention (en rouge sur les figures), confirment un usage particulier des noms, des adjectifs et surtout du pluriel comme indicateurs fondamentaux pour prédire un texte appartenant aux récits de voyages. Les repères spatio-temporels (« mardi », « depuis », par exemple) illustrent aussi un discours articulé chronologiquement et descriptif, typique des voyages, détecté par le modèle. Enfin le lien fort de self-attention entre les conjonctions de coordination précédées d'une ponctuation (généralement « mais », « car », « donc » et « or ») marquent l’articulation d’un discours qui se veut structuré, organisé, didactique, tel que nous avons pu le pressentir dans la première partie.

Fig. 7. Premier passage attribué par le modèle MCT à la classe “voyage” - Extrait de Voyage en Orient de A. de Lamartine

Fig. 7. Premier passage attribué par le modèle MCT à la classe “voyage” - Extrait de Voyage en Orient de A. de Lamartine

Fig. 8. Deuxième passage attribué par le modèle MCT à la classe « voyage » - Extrait de Lettres d’un voyageur de G. Sand

Fig. 8. Deuxième passage attribué par le modèle MCT à la classe « voyage » - Extrait de Lettres d’un voyageur de G. Sand

27Le troisième extrait (figure 9) est plus heuristique et souligne la plus-value du deep learning. Il ouvre en effet une piste nouvelle d’interprétation, celle de l'usage de l'adverbe que la statistique classique associe plutôt au roman (voir la liste des spécificités, figure 4). Dans le passage, l’adverbe devient, à rebours du constat statistique général, un marqueur du récit de voyage au motif qu’il se trouve associé à un adjectif (et en l'occurrence au pluriel) situé juste après. Dès lors, l’enchaînement syntaxique « ADV+ADJ » semble illustrer la stratégie comparative du voyageur, avec un étalon explicite ou non, qu’il s’agisse de comparatifs (avec l’adverbe « plus »), de superlatifs absolus (avec les adverbes « très », « fort » ou encore « bien » qui ajoute une nuance appréciative), d’un superlatif relatif enfin (« les plus beaux vers du monde »). L'actualisation lexicale de l'enchaînement syntaxique repéré par le réseau de neurones, soit les formes les plus fréquentes triées par indice de spécificité (figure 10), et les exemples présentés dans le concordancier (figure 11) apparaissent à ce titre éloquents. Autour du motif [ADV (« très »/« bien »/« plus »/etc.)+ADJ(« vaste »/« ancienne »/« grand »/etc.)], la démarche comparative caractérise ainsi le récit de voyage et montre les enjeux didactiques qui tendent à ramener l’inconnu au connu pour assurer la transmission du savoir.

Fig. 9. Deuxième passage attribué par le modèle MCT à la classe “voyage” - Extrait de Un hiver à Majorque de G. Sand

Fig. 9. Deuxième passage attribué par le modèle MCT à la classe “voyage” - Extrait de Un hiver à Majorque de G. Sand

Fig. 10. Distribution des formes les plus fréquentes de l'enchaînement ADV+ADJ (liste triée par indice de spécificité sur la classe « voyage »)

Fig. 10. Distribution des formes les plus fréquentes de l'enchaînement ADV+ADJ (liste triée par indice de spécificité sur la classe « voyage »)

Fig. 11. Extrait du concordancier de la classe « voyage » sur l'enchaînement ADV+ADJ

Fig. 11. Extrait du concordancier de la classe « voyage » sur l'enchaînement ADV+ADJ

Conclusion

28L’observation d’un corpus littéraire contrastif élargi, à l’aide d’outils statistiques d’abord puis de modèles deep learning, confirme l’opposition grammaticale entre texte factuel et texte fictionnel, qui avait été observée pour le corpus Loti. Que le récit fictionnel de Chateaubriand rejoigne le groupe viatique ou que, symétriquement, le récit de voyage de Dumas se rapproche de l’ensemble fictionnel sont deux faits qui manifestent un brouillage des frontières génériques explicable par les particularités formelles des Natchez d’une part, par la truculence transversale du style de Dumas d’autre part, qui ne fait que conforter finalement le marquage générique du contraste.

29Les propriétés qui se dégagent de l’ensemble viatique peuvent être mises au compte du registre didactique qui définit la relation triangulaire entre le voyageur doté de l’autorité, le savoir et le profane à instruire. Le Neutre lui-même, en tant qu’il est refus de dogmatiser (Barthes 1978), illustre le didactique en passant par un dispositif énonciatif désancré : la forme atemporelle du présent, révélée dès la distribution des étiquettes morpho-syntaxiques, et les énoncés évidentiels ou thétiques tels « il y a », « c’est », que la recherche des tri-grams a permis de débusquer. Le pronom « nous » ou, plus clairement encore, le pronom personnel indéfini « on » permettent d’abstraire les énoncés de l’expérience contingente en éludant le « je ». Les tri-grams ont fait émerger les associations « je + passé composé », qui peuvent se lire comme représentations du bilan de cette expérience avant l’expansion universalisante nécessaire. Le poids du pluriel dans le récit de voyage laisse transparaître cette dynamique du particulier à la leçon de choses, tandis que la locution « c’est-à-dire » apparaît comme la forme canonique de la glose explicative. Pourrait-on avancer que le « motif didactique » correspondrait ainsi à une configuration lexico-syntaxique récurrente et multi-niveaux, associant certes des lexèmes, des morphèmes (le pluriel, le présent de l’indicatif), des appariements syntaxiques et sémantiques comme les énoncés thétiques et comparatifs, mais aussi un « ton » neutralisant ou posture énonciative neutre qui récupère la dimension énonciative du style (Philippe 2005) et dépasse l’appréhension strictement structurale du motif ?

30Enfin le traitement du corpus par une approche deep learning enrichit l’analyse. Par convolution et self-attention le modèle MCT s’arrête sur des objets linguistiques discriminants dont la complexité syntagmatique et paradigmatique reste à définir mais qui peuvent s’approcher de motifs transphrastiques car repérés au niveau non pas nécessairement de la phrase mais du paragraphe. Ainsi le réseau de neurones nous montre par exemple que les différentes actualisations lexicales de la colligation morpho-syntaxique ADV+ADJ, et si possible ADV+ADJ Pluriel, sous les formes attestées en corpus de « plus libres », « bien rondes », « très grands », « fort belles », « plus petites », entre autres, caractérisent le registre didactique propre aux récits de voyage ; repérage automatique remarquable et contre-intuitif lorsque l’on sait que l’adverbe en lui seul, en lui-même, sans distribution adjectivale particulière, relève plutôt des récits fictionnels.

Haut de page

Bibliographie

Achard P. (1995), « Registre discursif et énonciation : induction sociologique à partir des marques de personne. Le Congrès des Députés du peuple d'URSS en 1989 », Langage et société, n°71, 5-34.

Adam J.-M. (2004), Linguistique textuelle : Des genres de discours aux textes, Paris, Nathan.

Barthes R. (1978), Le Neutre. Cours au Collège de France, 1978. Transcription des enregistrements par N. Lacroix et É. Marty, Paris, Seuil.

Badiou-Monferran Cl. (2008), « Le didactique, un registre désaffecté ? », in Les Registres, Louvain, Academya-Brulant.

Brunet É. (2016), Tous comptes faits. Questions linguistiques, textes édités par B. Pincemin, préface de F. Rastier, Paris, Champion.

Cellier P., Quiniou S., Charnois Th. & Legallois D. (2012). “What About Sequential Data Mining Techniques to Identify Linguistic Patterns for Stylistics ?”, in Lecture Notes in Computer Science, Springer Vol. 7181, 166-177.

Charaudeau P. (2014) « La situation de communication comme fondatrice d’un genre : la controverse », in Genres et textes : déterminations, évolutions, confrontations, PUL, 49-57 [en ligne]

Charaudeau P. & Maingueneau D. (2002), Dictionnaire d’analyse du discours, Paris, Seuil, article « Didactique ».

CORPUS (2003), n°2, « La distance intertextuelle » (https://doi.org/10.4000/corpus.52)

Diwersy S. & Legallois D. (2019), « L’apport de la méthode des motifs aux analyses phraséologiques en discours », in M. Kauffer & Y. Keromnes (eds), Theorie und Empirie in der Phraseologie / Approches théoriques et empiriques en phraséologie, Tübingen, Stauffenburg, 115-131. [hal-03546271]

Feng Y & Cheng Y. (2021), « Short text sentiment analysis based on multi-channel cnn with multi-head attention mechanism », in IEEE Access, 9:19854–19863.

Frontini F., Boukhaled A. & Ganascia J.-G. (2018), “Approaching French Theatrical Characters by Syntactical Analysis: a Study with Motifs and Correspondence Analysis”, in Grammar of Genres and Styles. From Discrete to Non-Discrete Units, edited by Dominique Legallois, Thierry Charnois, and Meri Larjavaara, Berlin/Boston, de Gruyter, 118-139.

Ganascia J.-G. (2001), « Extraction automatique de motifs syntaxiques », in Actes de la 8e Conférence sur le Traitement Automatique des Langues Naturelles (TALN), Tours, édité par J. Véronis, L. Danlos, P. Zweigenbaum, N. Gasiglia & P. Amsili. http://talnarchives.atala.org/TALN/TALN-2001/taln-2001-long-017.pdf.

Joulin A., Grave E., Bojanowski P., Douze M., Jégou H. & Mikolov T. (2016), “FastText.zip: Compressing text classification models”., ArXiv, abs/1612.03651.

Kraif O. (2016), « Le lexicoscope : un outil d’extraction des séquences phraséologiques basé sur des corpus arborés », Cahiers de lexicologie, n°108, 91-106.

Kraif O. (2019), « Explorer la combinatoire lexico-syntaxique des mots et expressions avec le Lexicoscope », Langue française, n°203, 67-83.

Legallois D., Charnois Th. & Poibeau Th. (2016). « Repérer les clichés dans les romans sentimentaux grâce à la méthode des motifs », Lidil, n°53, 95-117. https://journals.openedition.org/lidil/3950

Legallois D., Charnois Th. & Larjavaara M. (2018), “The Grammar of Genres and Styles: The balance between quantitative and qualitative literary stylistics - how the method of motifs can help”, Berlin/Boston, De Gruyter, 164-194.

Longrée D. & Mellet S. (2013), « Le motif : une unité phraséologique englobante ? Étendre le champ de la phraséologie de la langue au discours », in Langages n°189, 68-80.

Longrée D. & Mellet S. (2018). “Towards a topological grammar of genres and styles: a way to combine paradigmatic quantitative analysis with a syntagmatic approach”, in The Grammar of Genres and Styles: From Discrete to Non-Discrete Units, edited by D. Legallois, T. Charnois, and M. Larjavaara, Berlin/Boston, De Gruyter, 140–163.

Magri V. (2021), The Voyage step by step, Paris, Champion.

Magri V. & Gannier O. (2023), Frontières de la définition dans le récit de voyage, Paris, Classiques Garnier.

Magri V. & Vanni L., (2024), « Détection automatique de marqueurs de registres littéraires profonds », Cahiers du Cental - Jadt 2024, Mots comptés, textes déchiffrés, n°10, Presses Universitaires de Louvain, 583-591.

Mayaffre D. (2006), “Faut-il pondérer les spécificités lexicales par la composition grammaticale des textes ? Tests logométriques appliqués au discours présidentiel sous la Vème République“, in Jean-Marie Viprey (éd.), JADT 2006, Besançon, Presses universitaires de Franche-Comté, pp. 677-685. [hal-00554681]

Mayaffre D. & Vanni L. (2023), « Sémantique de corpus numérique et deep learning. Macron un président thaumaturge (2017-2023) », Espaces linguistiques, n°6, 2023 [en ligne https://doi.org/10.25965/espaces-linguistiques.562 - hal-04353800]

Novakova I. & Siepmann D. (dir.) (2020), Phraseology and Style in Subgenres of the Novel: A Synthesis of Corpus and Literary Perspectives, Londres, Palgrave Macmillan.

Philippe G. (2005), « Le style est-il une catégorie énonciative », in De la langue au style, Lyon, PUL, https://books.openedition.org/pul/20779?lang=fr

Philippe G. (2008), « Registres, appareils formels et patrons », in Les Registres, Louvain, Academya-Brulant.

Philippe G. (2002), « L’appareil formel de l’effacement énonciatif et la pragmatique des textes sans locuteur », in R. Amossy (éd), Pragmatique et analyse des textes, Presses de l’Université de Tel Aviv, 17-34.

Pengfei L., Peixiang Z., Kezhi M., Dongzhe W., Xuefeng Y., Yunfeng L., Jianxiong Y. & Simon S. (2021), « Act: an attentive convolutional transformer for efficient text classification », in AAAI, 35(15):13261–13269.

Ponty F. (2023), « La définition dans les voyages imaginaires », in V. Magri & O. Gannier, Frontières de la définition dans le récit de voyage, Paris, Classiques Garnier, 2023, 231-246.

Quiniou S., Cellier P., Charnois Th. & Legallois D. (2012), Fouille de données pour la stylistique : l’exemple des motifs émergents, Actes des 11e JADT, Liège, 821-833.

Rabatel A. (2004), « Stratégies d’effacement énonciatif et posture de surénonciation dans le Dictionnaire philosophique de Comte-Sponville », Langages, 38e année, no156, Effacement énonciatif et discours rapportés, 18-33. [en ligne].

Rastier F. (2001), Arts et sciences du texte, Paris, PUF.

Rodriguez A. (dir) (2024), Dictionnaire du lyrique. Poésie, arts, médias, Paris, Classiques Garnier, article « Registre ».

Saussure F. (de) [1916] 1995, Cours de Linguistique générale, Paris, Payot.

Vanni L. (2024), « Hyperbase Web. (Hyper)Bases, Corpus, Langage », Corpus n°25, http://journals.openedition.org/corpus/8770 ; DOI : https://doi.org/10.4000/corpus.8770

Vanni L., Corneli M., Mayaffre D. & Precioso F. (2023), “From text saliency to linguistic objects: learning linguistic interpretable markers with a multi-channels convolutional architecture”, Corpus, n°24.

Vanni L., Mahmoudi H., Longrée D. & Mayaffre D. (2024), « Multi-channel Convolutional Transformer and intertextuality : a Latin case study », in G. Giordano G. et Misuraca M. (éd.), New Frontiers in Textual Data Analysis, Springer, 197–207.

Vanni L. (2021), De l’analyse statistique de données textuelles aux réseaux de neurones artificiels. Vers des motifs linguistiques profonds. Intelligence artificielle. Thèse de doctorat, Université Côte d'Azur. ⟨tel-03621264v2⟩

Vanni L., Mayaffre D. & Longrée D. (2018), « ADT et deep learning, regards croisés. Phrases-clefs, motifs et nouveaux observables ». 14e JADT, in D. Iezzi et alii (dir.) JADT, UniverItalia, Rome, 459-466

Vanni L., Ducoffe M., Mayaffre D., Precioso F., Longrée D., Elango V., Santos N., Gonzalez J., Galdo L. & Aguilar. C. (2018), « Text Deconvolution Saliency (TDS) : a deep tool box for linguistic analysis ». In : 56th Annual Meeting of the Association for Computational Linguistics (ACL). Melbourne, 2018, p. 548–557.

Viala A. (2001), « Des registres », Pratiques : linguistique, littérature, didactiques, n°109-110, 165-177, https://www.persee.fr/doc/prati_0338-2389_2001_num_109_1_1916)

Haut de page

Notes

1 L’ensemble des méthodes présentées dans cette contribution sont implémentées dans le logiciel Hyperbase (Vanni 2024).

2 Étant entendu que les modèles Transformers sont donc sensibles aux rapports entre les mots (Saussure parle de « rapports associatifs » pour qualifier le paradigmatique) mais sont également sensibles à l'ordonnancement des mots dans le texte, complétant par là la logique syntagmatique de la convolution.

Haut de page

Table des illustrations

Titre Fig. 1. Analyse arborée de la distribution des principales étiquettes morpho-syntaxiques (distance du Khi-2). Étiquettes obtenues avec la librairie Spacy et le model fr_core_news_lg pour le français
URL http://journals.openedition.org/corpus/docannexe/image/10367/img-1.png
Fichier image/png, 58k
Titre Fig. 2. AFC des principales étiquettes morpho-syntaxiques dans le corpus
URL http://journals.openedition.org/corpus/docannexe/image/10367/img-2.png
Fichier image/png, 68k
Titre Fig. 3. Distribution des verbes dans le corpus (calcul des spécificités)
URL http://journals.openedition.org/corpus/docannexe/image/10367/img-3.png
Fichier image/png, 111k
Titre Fig. 4. Spécificités positives du genre « voyage »
URL http://journals.openedition.org/corpus/docannexe/image/10367/img-4.png
Fichier image/png, 138k
Titre Fig. 4 (bis). Spécificités positives du genre « roman »
URL http://journals.openedition.org/corpus/docannexe/image/10367/img-5.png
Fichier image/png, 522k
Titre Fig. 5. Tri-Grams spécifiques (en début de phrase) du genre « roman » à gauche et du genre « voyage » à droite
URL http://journals.openedition.org/corpus/docannexe/image/10367/img-6.png
Fichier image/png, 94k
URL http://journals.openedition.org/corpus/docannexe/image/10367/img-7.png
Fichier image/png, 59k
Titre Fig. 5 (bis). Tri-Grams spécifiques du genre « roman » à gauche et du genre « voyage » à droite
URL http://journals.openedition.org/corpus/docannexe/image/10367/img-8.png
Fichier image/png, 333k
URL http://journals.openedition.org/corpus/docannexe/image/10367/img-9.png
Fichier image/png, 326k
Titre Fig. 7. Premier passage attribué par le modèle MCT à la classe “voyage” - Extrait de Voyage en Orient de A. de Lamartine
URL http://journals.openedition.org/corpus/docannexe/image/10367/img-10.png
Fichier image/png, 27k
Titre Fig. 8. Deuxième passage attribué par le modèle MCT à la classe « voyage » - Extrait de Lettres d’un voyageur de G. Sand
URL http://journals.openedition.org/corpus/docannexe/image/10367/img-11.png
Fichier image/png, 72k
Titre Fig. 9. Deuxième passage attribué par le modèle MCT à la classe “voyage” - Extrait de Un hiver à Majorque de G. Sand
URL http://journals.openedition.org/corpus/docannexe/image/10367/img-12.png
Fichier image/png, 69k
Titre Fig. 10. Distribution des formes les plus fréquentes de l'enchaînement ADV+ADJ (liste triée par indice de spécificité sur la classe « voyage »)
URL http://journals.openedition.org/corpus/docannexe/image/10367/img-13.png
Fichier image/png, 90k
Titre Fig. 11. Extrait du concordancier de la classe « voyage » sur l'enchaînement ADV+ADJ
URL http://journals.openedition.org/corpus/docannexe/image/10367/img-14.png
Fichier image/png, 280k
Haut de page

Pour citer cet article

Référence électronique

Véronique Magri, Damon Mayaffre et Laurent Vanni, « En-registrer les genres littéraires. Repérage et apprentissage de marqueurs de registres discursifs »Corpus [En ligne], 27 | 2025, mis en ligne le 13 mai 2025, consulté le 17 juillet 2025. URL : http://journals.openedition.org/corpus/10367 ; DOI : https://doi.org/10.4000/13wok

Haut de page

Auteurs

Véronique Magri

UMR 7320 – Bases, Corpus, Langage, Université Côte d’Azur – CNRS

Damon Mayaffre

UMR 7320 – Bases, Corpus, Langage, Université Côte d’Azur - CNRS

Articles du même auteur

Laurent Vanni

UMR 7320 – Bases, Corpus, Langage, Université Côte d’Azur - CNRS

Articles du même auteur

Haut de page

Droits d’auteur

Le texte et les autres éléments (illustrations, fichiers annexes importés), sont « Tous droits réservés », sauf mention contraire.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search