Navigation – Plan du site
Comptes rendus

Ciara R. Wigham et Gudrun Ledegen (éd.) (2017). Corpus de communication médiée par les réseaux. Construction, structuration, analyse. Paris : L’Harmattan, 252 p.

Filip Verroens

Texte intégral

1Avec la diversification rapide des médias et des pratiques communicationnelles associées, la linguistique de corpus se situe au centre des débats scientifiques. Ainsi, les Journées internationales de recherche à Rennes 2 en octobre 2015 étaient entièrement dédiées aux Médias sociaux et aux corpus de communication médiée par les réseaux (CMR) et ont résulté dans cet ouvrage. L’objectif est de rassembler des études consacrées à la construction, à la structuration et à l’analyse de corpus représentant les différents genres de communication sur les réseaux (forums de discussion, blogs, réseaux sociaux, etc.). Le volume se compose d’un sommaire, d’une introduction (Ciara R. Wigham et Gudrun Ledegen) qui brosse un aperçu général du livre, de 11 chapitres, d’une postface, d’une bibliographie et d’une table des matières. Les différents chapitres sont regroupés en trois parties. Dans la première partie, cinq articles développent un des éléments suivants : la méthodologie, le développement, l’annotation et l’analyse de corpus. Les deux articles suivants présentent une analyse complète, allant du développement du corpus aux résultats de l’analyse. La dernière partie contient quatre articles qui présentent des analyses détaillées.

2Le premier article (Céline Poudat, Natalia Grabar, Camille Paloque-Berges, Thierrry Chanier et Kun Jin) expose les étapes dans la constitution de Wikiconflits, un corpus de discussions éditoriales conflictuelles du Wikipédia francophone. Conçu au sein du projet national CoMeRe (Communication Médiée par les Réseaux), Wikiconflits est également encodé en TEI-CMC ce qui facilite l’échange des données entre chercheurs et la construction de corpus de référence. Wikiconflits vise l’analyse de ce nouveau genre discursif qu’est la page de discussion éditoriale. Le corpus final compte 489 000 tokens issus de pages conflictuelles dans le domaine scientifique et technique. La recherche future portera d’une part sur l’analyse des traits distinctifs de la langue des conflits en vue de leur détection automatique et préventive. D’autre part, on continuera à s’interroger sur une description adéquate de ce genre de corpus où les nombreuses pages sont liées l’une à l’autre ce qui complique l’analyse des données.

3Dans le deuxième chapitre, Julien Longhi décrit la constitution du corpus Polititweets et les enjeux institutionnels, juridiques, techniques et philologiques qui en découlent. Ce corpus de tweets politiques servira à étudier le lexique politique et s’inscrit à son tour dans le projet CoMeRe. Une première démarche consiste en une discussion des aspects juridiques liés au recueil des tweets. L’enquête juridique révèle que les tweets venant de Twitter appartiennent au domaine public. Ensuite, on sélectionne la production de 205 comptes créés autour de 7 personnalités de 6 groupes politiques, soit un ensemble de 34 273 tweets. Enfin, le corpus est converti en format TEI et mis à la disposition de la communauté via la plateforme Ortolang. Le troisième chapitre (Justine Simon, Bénédicte Toullec, Romain Badouard, Magali Bigey, Dario Compagno, Arnaud Mercier, Nathalie Pignard-Cheynel et Brigitte Sebbah) parle aussi de Twitter, plus précisément de la manière dont des informations d’actualité circulent par ce médium. Les auteurs décrivent d’abord la constitution des bases de données, à savoir la base des articles partagés (997 002 articles de presse uniques) et celle des tweets publiés (17,3 millions). Ils présentent aussi les métadonnées (liées au twitto, à l’article et au tweet) et le nombre d’URL twittées pour chacun des 32 sites d’information sélectionnés. La méthodologie utilisée se caractérise par une approche quantitative et qualitative interdisciplinaire. La seconde partie de l’article est consacrée à l’identification et à une première classification du discours d’escorte (DE) qui se définit comme un type de discours d’accompagnement sur le partage social et dont on aimerait analyser les degrés d’influence. Les auteurs distinguent trois types de DE : les DE d’opinion marqués par une grande subjectivation et l’ajout d’émoticônes et de d’emoji, les DE d’éditorialisation caractérisés par un effacement énonciatif et destinés à objectiver le contenu informationnel et les DE de communication où l’on interpelle directement l’interlocuteur. Enfin, les auteurs proposent plusieurs pistes de recherche, notamment l’importance de la place de l’image dans les DE et son impact sur la construction du sens. Le quatrième chapitre (Yosra Ghliss et Frédéric André) traite des enjeux éthiques et juridiques de la communication médiée par les réseaux, en l’occurrence celle par SMS. Dans le cadre du projet international sms4science, les chercheurs ont constitué 88milSMS, un corpus régional de Languedoc-Roussillon composé de 88 522 textos. Étant donné que les SMS forment un corpus juridiquement sensible, les auteurs décrivent comment ils ont procédé dans l’anonymisation des SMS et dans la suppression de données pernicieuses (incitation à la haine, racisme, etc.). Il reste encore à voir si la méthode utilisée pourrait s’appliquer aussi à des courriels ou à des conversations issues de réseaux sociaux. Dans le chapitre 5, Pascal Vaillant présente le projet CLAPOTY (Contacts de Langues : Analyses Plurifactorielles assistées par Ordinateur et conséquences Typologiques). C’est un corpus multilingue et oral qui est construit pour étudier les situations de contact entre les langues et, plus spécifiquement, le changement linguistique que ce contact engendre. Le corpus se caractérise par la variation des familles de langues génétiquement diverses, par les diverses situations de contact, par la diversité des types d’interaction, par les différents degrés d’alternance codique et par l’annotation qui se veut « théoriquement agnostique ». On montre que, dans la transcription, il est parfois difficile de trancher entre deux langues, tant sur l’axe paradigmatique que sur l’axe syntagmatique, et qu’il faut tenir compte de ces problèmes dans la pratique d’annotation. C’est la raison laquelle on a développé une méthode et des outils qui permettent d’annoter des phénomènes de contact sans poser de présupposé théorique et sans en cacher la complexité.

4Dans la deuxième partie, Lydia-Mai Ho Dac et Veronika Laippala présentent WikiDisc, un corpus de discussions Wikipédia. Ces discussions offrent plusieurs avantages au chercheur : les textes sont en accès libre, ils sont assez bien renseignés et ils dévient peu de la norme. Une comparaison entre WikiDisc, des articles encyclopédiques de Wikipédia et des forums de santé sur le plan lexical et syntaxique révèle que les discussions Wikipédia contrastent avec les caractéristiques généralement associées aux CMR, à savoir une grande subjectivation, des déviances orthographiques et un style télégraphique marqué par l’omission des auxiliaires/verbes conjugués. Seuls les jeux de ponctuation, absents dans les articles Wikipédia mais typiques des CMR, semblent persister dans WikiDisc. L’article suivant (Darja Fisͮer, Tomaz Erjavec et Nikola Ljubesͮić) écrit en anglais, porte sur la création et l’annotation de Janes vO.3, un corpus en langue slovène dont les données sont générées par les usagers (user-generated content). Il contient des tweets, des commentaires sur les actualités et des textes issus de forums et de blogs. Avant de passer à la lemmatisation et à l’annotation morphosyntaxique automatisées, les chercheurs ont d’abord normalisé les mots non-standard (argot ou dialecte) ce qui permet de s’y concentrer dans des analyses ultérieures. Une autre démarche automatique consiste en la distinction de deux niveaux d’analyse : un niveau technique (l’aspect typographique, la ponctuation) et un niveau linguistique (orthographe, choix lexical, morphologie, ordre des mots). Ces premières analyses formeront la base pour une analyse plus fine qui sera à son tour automatisée.

5La troisième partie commence par l’étude d’Agata Jackiewicz sur son corpus de tweets Filiation. Après une sélection de 184 300 tweets d’un discours polémique (la gestation pour autrui), deux analyses sont proposées : une analyse notionnelle qui renvoie aux aspects caractéristiques des controverses et une analyse des procédés linguistiques remarquables (e.a. schémas argumentatifs, structure énonciative et deixis, négation polémique). Le prolongement de ce travail consistera à outiller la méthode pour pouvoir articuler les deux types d’analyse. L’auteur finit par suggérer plusieurs nouvelles questions de recherche que ce genre de corpus peut engendrer. La contribution de Jette Milberg Petersen est une étude sociolinguistique concernant les multilinguismes et les enjeux des pratiques langagières sur un réseau social d’entreprise (RSE). Le point de départ est la problématique suivante : d’une part, l’enseignement français des langues étrangères est, suivant les recommandations européennes (CECRL), surtout axé sur l’expression orale au détriment d’autres compétences (lire, écrire). D’autre part, la mondialisation influe sur la diversité linguistique, c.-à-d. que l’emploi d’une seule langue véhiculaire est souvent privilégié dans les entreprises internationales. Ces éléments entraveraient une participation plus active des utilisateurs d’un RSE. Une analyse très détaillée des répertoires linguistiques du RSE SolidarNet montre que le concept d’intercompréhension (simplifié : comprendre des langues sans les avoir apprises) pourrait pallier les difficultés à communiquer sur le RSE et ainsi augmenter le nombre de membres actifs. En poussant cette hypothèse, le RSE pourrait même devenir un outil d’apprentissage informel qui renforce la sécurité linguistique et l’apprentissage tout au long de la vie de ses membres. Dans le chapitre suivant, Jean-François Blanchard examine les pratiques langagières en breton sur les réseaux socionumériques (réseaux sociaux, Wikipédia, blogs). Ces initiatives sont très nombreuses et s’opposent au nombre de locuteurs bretons qui ne cesse de baisser. S’agit-il d’une véritable revitalisation de la langue bretonne ou plutôt d’un militantisme pour sauver cette langue minoritaire ? L’analyse montre que la dimension revendicative et militante est sûrement présente et qu’elle se conjugue avec une dimension réflexive, c.-à-d. une recontextualisation de la langue dans un nouvel environnement communicatif. En revanche, la pauvreté des contenus sur Internet, qui ne couvrent pas les mêmes domaines fonctionnels que la langue française, atteste ainsi la situation précaire du breton. Le dernier article (Liz Mayne), écrit en anglais, explore les possibilités et les enjeux des forums de WordReference. Cette communauté en ligne en accès libre réunit des locuteurs natifs et des apprenants lors de discussions sur certains aspects d’une langue, en l’occurrence la discussion sur l’emploi des pronoms tu vs. vous en français. L’avantage majeur des forums est qu’ils créent un environnement d’échange interculturel dans lequel l’apprenant compare cet emploi à sa langue source et le discerne mieux en langue cible. Un inconvénient est que l’autorité prônée du locuteur natif ne peut être vérifiée ou encore que la discussion pourrait parfois causer des conflits culturels, comme illustré dans l’exemple des pronoms tu vs. vous. Cependant, les forums présentent une excellente opportunité d’échange interculturel, surtout lorsque des variables pragmatiques constituent l’objet de la discussion.

6La postface de Thierry Chanier, responsable du projet CoMeRe clôt l’ouvrage en dressant un historique de la CMR et en faisant le point sur les développements méthodologiques de ce nouveau genre.

7La force majeure de l’ouvrage réside dans la richesse des thèmes présentés tout au long des chapitres. Les disciples en CMR réunissent leur expertise en linguistique, en TAL et en sciences de l’information et de la communication dans un regard diversifié sur les développements de la recherche actuelle. Bon nombre de chapitres (en particulier ceux de la première partie) comprennent une description détaillée de la façon dont les corpus sont compilés, analysés et annotés. Les contributeurs ne dissimulent pas les nombreux problèmes (techniques, juridiques, éthiques ou autres) qu’ils ont rencontrés à chaque étape de la constitution du corpus. Ces informations précieuses rendent le volume intéressant pour les chercheurs qui envisagent d’intégrer des approches similaires dans leur propre recherche. De plus, dans plusieurs contributions, nous pouvons retrouver un tas de questions de recherche intéressantes. Comment le développement de la CMR brouille-t-il les frontières traditionnelles entre les registres oral et écrit (p. 106) ? Est-ce que la circulation et le partage plus aisé des connaissances ainsi que la mise en visibilité des faits de société ont un impact sur les régimes argumentatifs des protagonistes (p. 151) ? Dans quelle mesure la CMR en tant que terrain de « mégadonnées » requiert-elle une autre approche (p. 219) ? Aussi nombreuses que soient les questions de recherche, pour voir des résultats élaborés nous devons attendre ou nous rendre à d’autres références (Bodomo 2010 ; Squires 2016). Le lecteur reste en grande partie sur sa faim quant aux analyses approfondies et à la théorisation. Nous pensons en particulier à la recherche dans le domaine de l’analyse du discours (Baker 2006) ou de la multimodalité (Machin & Mayr 2012). Ce dernier sujet est d’ailleurs bien présent dans les différentes conférences organisées par la communauté CMR (p. 215), mais fait défaut dans cet ouvrage. Un autre inconvénient, de moindre importance, mais tout de même digne de mention, est le peu de soin porté à la composition générale du livre. D’abord, le sommaire et la table des matières présentent quasiment les mêmes infos. Puis, l’orthographe n’est pas toujours conséquente (p. ex. blog p. 177 vs. blogue p. 218 ; internet p. 194 vs. Internet p. 11). Enfin, la postface aurait dû remplacer l’introduction étant donné qu’elle réfère à son tour aux différentes contributions et qu’elle contient en plus plusieurs réflexions pertinentes. Dans l’état actuel, la postface semble symboliser la place secondaire que prennent les réflexions et par conséquent la partie théorique dans ce livre. Cela dit, le volume reste cependant une lecture utile pour celui qui est à la recherche d’un volume montrant en détail la méthodologie de travail sur corpus en CMR. Par ailleurs, il ne nous reste qu’à attendre les résultats des nombreuses études intéressantes pour nous satisfaire pleinement.

Haut de page

Bibliographie

Baker P. (2006). Using corpora in discourse analysis. London : Continuum.

Bodomo A. B. (2010). Computer-Mediated Communication for Linguistics and Literacy : Technology and Natural Language Education. Hershey-New York : Information Science Reference.

Machin D. et Mayr A. (2012). How to do critical discourse analysis : a multimodal approach. Thousand Oaks, CA : Sage.

Squires L. (éd.) (2016). English in Computer-Mediated Communication. Variation, representation, and change. Berlin-Boston : De Gruyter Mouton.

Haut de page

Pour citer cet article

Référence électronique

Filip Verroens, « Ciara R. Wigham et Gudrun Ledegen (éd.) (2017). Corpus de communication médiée par les réseaux. Construction, structuration, analyse. Paris : L’Harmattan, 252 p. », Corpus [En ligne], 18 | 2018, mis en ligne le 09 juillet 2018, consulté le 19 novembre 2018. URL : http://journals.openedition.org/corpus/3695

Haut de page

Droits d’auteur

© Tous droits réservés

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