Navigation – Plan du site

AccueilNuméros80Sur les collaborations de Jean Du...Deux dictionnaires informatisés d...

Sur les collaborations de Jean Dubois et Françoise Dubois-Charlier

Deux dictionnaires informatisés de Jean Dubois et Françoise Dubois-Charlier, leurs ultimes travaux

Two computer-based dictionaries of Jean Dubois and Françoise Dubois-Charlier, their final works
Guy Lapalme et Denis Le Pesant

Résumés

Notre article décrit la structure des ressources lexicales Les Verbes Français (LVF) et le Dictionnaire Électronique des Mots (DEM) élaborées pendant plusieurs années par Jean Dubois et Françoise Dubois-Charlier. Nous suggérons ensuite des utilisations possibles de ces ressources pour le traitement automatique de la langue (TAL). Compte-tenu du fait que LVF a déjà fait l'objet de plusieurs travaux au cours des dernières décennies, nous insistons sur le DEM, une ressource linguistique particulièrement mal connue qui peut être considérée comme la synthèse des travaux lexicographiques de Dubois et Dubois-Charlier. Le DEM souffre d’être resté inachevé, mais son extension peu commune (près de 150 000 entrées) et surtout ses corrélations avec LVF en font une source de données lexicales de premier ordre pour la linguistique du français et pour le TAL. Nous présentons de nouvelles versions du LVF et du DEM au format JSON avec une nouvelle interface de consultation de ces dictionnaires. Nous espérons de la sorte favoriser la diffusion de ces ressources lexicales auprès de la communauté des chercheurs en lexicologie, en lexicographie et en TAL.

Haut de page

Texte intégral

Introduction

  • 1 Le LADL (Laboratoire d’Automatique Documentaire et Linguistique) est l’unité de recherche du CNRS e (...)

1La plupart des dictionnaires dont Jean Dubois fut le maître d’œuvre chez l’éditeur Larousse sont des dictionnaires-papier traditionnels. Ce n’est que tardivement que Jean Dubois et Françoise Dubois-Charlier, dans la mouvance des dictionnaires informatisés du LADL1, ont élaboré les dictionnaires informatisés que sont Les Verbes Français (désormais LVF) et le Dictionnaire Electronique des Mots (désormais DEM).

2Compte-tenu du fait que LVF a déjà été commenté dans le numéro 153 de la revue Langue Française (François, Le Pesant et Leeman 2007) ainsi que dans les numéros 179-180 de la revue Langages (Leeman et Sabatier 2010), nous nous concentrerons moins sur la structure de la ressource elle-même que sur ses applications au TAL (Traitement Automatique des Langues). Nous nous étendrons en revanche davantage sur le DEM, qui est une ressource linguistique particulièrement mal connue et qui peut être considérée comme la synthèse des travaux lexicographiques de Jean Dubois et Françoise Dubois-Charlier. Certes, c’est un dictionnaire d’un formalisme peu commode et qui souffre d’être resté, à la mort de ses auteurs, dans un état d’inachèvement important, avec ce que cela implique de lacunes et de contradictions. Mais son extension peu commune et surtout ses corrélations avec LVF en font, selon nous, une source de données lexicales de premier ordre pour la linguistique du français et pour le TAL. Cet article est donc axé sur l’aspect lexicographique des ultimes travaux de Dubois & Dubois-Charlier : il s’agit d’une lexicographie informatisée disponible pour le TAL.

3Dans la première partie nous évoquons les lexiques-grammaires du LADL, qui représentent le modèle dont s’inspirent Dubois et Dubois-Charlier pour LVF et le DEM.

4Même si l’intérêt de mettre à la disposition de la recherche en TAL des ressources lexicales à la fois amples et raffinées est aujourd’hui souvent remis en cause, ces dernières restent à nos yeux indispensables. La publication du présent article aura été l’occasion, pour l’un de nous deux, Guy Lapalme, d’élaborer une version renouvelée, au format JSON, de l’interface de consultation des dictionnaires de Dubois et Dubois-Charlier qui figure sur un site dédié de l’Université de Montréal : http://rali.iro.umontreal.ca/​rali/​?q=fr/​versions-informatisees-lvf-dem. Ce sera l’objet de la deuxième partie de cet article. Nous espérons de la sorte favoriser la diffusion de ces ressources lexicales auprès de la communauté des chercheurs en lexicologie, en lexicographie et en TAL.

5La troisième partie de l’article se concentre sur le DEM. Notre conviction est que ce monument malheureusement inachevé, cette sorte de « lexique-grammaire total », ne devrait pas rester ignoré des linguistes et des spécialistes du TAL.

1. Des lexiques-grammaires du LADL aux dictionnaires informatisés de Jean Dubois et Françoise Dubois-Charlier

1.1 Les lexiques-grammaires du LADL

6La notion de lexique-grammaire s’inscrit dans le contexte théorique des travaux de Zellig S. Harris qui a publié plusieurs versions de sa grammaire de l’anglais (cf. Daladier 1990 : 20). Une grammaire de Harris, telle Harris (1976), se présente comme un ensemble de règles organisé en un système axiomatisé. Mais il manque à ces règles leur extension lexicale. Le projet du lexique-grammaire élaboré par Maurice Gross consiste précisément en un programme d’explicitation de l’extension lexicale des règles. Prenons l’exemple d’une règle de la grammaire du français qui stipule (par définition en compréhension) que certains verbes, tel étonner, peuvent admettre en position sujet une proposition subordonnée de forme « (le fait) que P ». La définition en extension de cette « règle » ne sera rien d’autre que la liste exhaustive des verbes et locutions verbales qui admettent un sujet d’une telle forme, assortie d’une description détaillée des autres propriétés de chaque occurrence : c’est ce que réalisera Maurice Gross par exemple dans les Tables 4 et 5 (cf. infra Tableau 1) de Méthodes en syntaxe (Gross 1975 : 245-279).

7Mais la notion de lexique-grammaire repose également sur un principe épistémologique très général, formulé ainsi par Maurice Gross :

L’approche très répandue que nous critiquons et que nous nous proposons de remplacer, consiste essentiellement à effectuer des observations isolées dans des régions différentes de la structure linguistique. Ces observations ne sont jamais systématiques, et les « trous » qui les séparent ne sont pas explorés empiriquement. Les constructeurs de modèles laissent à l’induction le soin de combler ces trous. Cette foi dans l’induction ne repose sur aucune base scientifique (…). Toute construction théorique a toujours été précédée d’un long travail d’accumulation systématique des données et les chercheurs se sont toujours efforcés de combler les trous qui pouvaient se présenter dans leurs données avant d’avancer une règle générale (Gross 1975 : 9)

8Dans la suite du texte, cette thèse est illustrée par l’exemple de ce que Kepler, pour la formulation des lois qui portent son nom, doit à l’accumulation de données astronomiques effectuée avant lui par Tycho Brahé.

  • 2 Tout prédestinait Maurice Gross, à l’époque des débuts de l’informatique, à donner à ses dictionnai (...)

9D’un point de vue lexicographique, la théorie du lexique-grammaire se matérialise par l’élaboration par le LADL, dans les années 1970-1990, d’une série de bases de données informatisées. Il s’agit, pour des dictionnaires, d’un format révolutionnaire : au lieu d’être des textes, ce sont des tables presque immédiatement disponibles pour le TAL2. Chaque table représente une classe de mots partageant un ensemble de propriétés syntaxiques caractéristiques sous la forme d’une matrice binaire, à savoir un tableau rectangulaire de signes « plus » et « moins ». Les propriétés sont définies en haut de chaque colonne ; chaque entrée figure en ligne ; le reste de la ligne, c’est-à-dire l’ensemble des signes « + » et « – » constitue en quelque sorte la définition syntaxique de l’entrée. Voici en exemple un extrait de la Classe 4 de Méthodes en syntaxe (Gross 1975) :

  • 3 Pour une meilleure lisibilité, les champs consacrés aux variantes dérivationnelles (ex. suffixation (...)

Tableau 1 : Version simplifiée de la Table 4 des verbes (V_4lgt.xls) du lexique-grammaire3, diffusée sur le site Infoling de l’Université de Marne-la-Vallée et correspondant à la Table 4 de M. Gross (1975))

Tableau 1 : Version simplifiée de la Table 4 des verbes (V_4lgt.xls) du lexique-grammaire3, diffusée sur le site Infoling de l’Université de Marne-la-Vallée et correspondant à la Table 4 de M. Gross (1975))

10Il est à noter que l’aspect sémantique des travaux du LADL est très important. Ainsi la Table 4 du Lexique-grammaire est-elle présentée par Maurice Gross de la façon suivante : 

Les verbes de cette table sont sémantiquement homogènes. La grande majorité d’entre eux correspond à un sentiment « déclenché » par N0 et « éprouvé » par N1. Les principales propriétés représentées sont celles de la complétive sujet, ainsi que celles de la forme adjectivale associée N0 est V-a pour N1 (M. Gross 1975 : 170)

11Le Lexique-Grammaire du LADL4, dans cette version « modernisée » élaborée par Elsa Tolone, est diffusé au format CSV, sous licence LGPL-LR (version 3.4)5.

  • 6 Dans sa Syntaxe de l’adverbe (1987), M. Gross présente un lexique-grammaire de 6400 adverbes. Ils s (...)

12Ont été successivement élaborées au LADL, outre celles dont il vient d’être question, les tables de constructions intransitives (Boons, Guillet, Leclère 1976) ; les tables de constructions locatives (Guillet, Leclère 1992). Beaucoup d’autres travaux ont été effectués par les membres du LADL sur les adjectifs et les noms prédicatifs. Des tables de plusieurs milliers d’expressions figées ont été également constituées6.

13Au début des années 1990, Maurice Gross confie à Max Silberztein la tâche de construire le logiciel d’ingénierie linguistique INTEX. Le système compile et lemmatise toute classe de mots formalisée en matrice binaire de traits syntactico-sémantiques. Le format des grammaires locales INTEX est celui d’automates finis (cf. Perrin, 1989) corrélés à des dictionnaires (compilés dans le format d’INTEX) pour des applications de traitement informatique de corpus textuels.

14En TAL, les deux défis pour la recherche d’informations dans des corpus textuels sont le phénomène de la polysémie et celui de la polylexicalité (mots composés, locutions, expressions à verbe support et phrases figées). Le LADL aura eu le mérite d’avoir démontré par des expériences empiriques approfondies que ces deux phénomènes, loin d’être marginaux, sont massifs et font partie des propriétés les plus remarquables des langues naturelles. Son autre mérite aura été d’avoir conçu des outils informatiques pour relever ces défis.

15Jean Dubois et Françoise Dubois-Charlier, dans leurs derniers travaux, se conformeront pour l’essentiel à la méthode ayant présidé à l’élaboration des lexiques-grammaires du LADL.

1.2 Généralités sur Les verbes français (LVF) de Dubois & Dubois-Charlier

16Les travaux préparatoires à l’élaboration de LVF ont eu lieu dans les locaux du LADL, à l’Université de Paris-Jussieu. Dans les années 1980, se tenait là une réunion tous les mardis sur la classification des verbes. Elle était présidée par Jean Dubois, et beaucoup de chercheurs du LADL y participaient, tout particulièrement Alain Guillet, qui joua, avec Françoise Dubois-Charlier, un rôle très important dans cette entreprise colossale. La base de données, qui ne fut rendue publique que vers 2010, servit de base à une version papier publiée par Larousse (Dubois & Dubois-Charlier 1997). Au début des années 2010 fut publiée une version informatisée de LVF, dite « LVF+1 », revue et corrigée à partir de l’original par Paul Sabatier et sous la supervision des deux auteurs.

17La principale différence de LVF avec les dictionnaires du LADL réside dans le fait que les auteurs ont organisé leur classification selon 14 classes syntactico-sémantiques :

Tableau 2 : les 14 classes syntactico sémantiques de LVF

Tableau 2 : les 14 classes syntactico sémantiques de LVF

18L’autre différence entre LVF et les lexiques-grammaires est que la table, unique (elle comporte 25 600 lignes), n’a pas la forme d’une matrice de traits binaires. Les colonnes énoncent, soit de façon explicite, soit de façon codée, un ensemble de propriétés morphologiques, syntaxiques et sémantiques. Voici une image des premières entrées (par ordre alphabétique) de LVF +1, sur tableur Excel :

  • 7 Pour une meilleure lisibilité, les champs concernant les registres et les régionalismes ont été éli (...)

Tableau 3 : Extrait de LVF + 1, tri par ordre alphabétique des entrées (version abrégée)7

Tableau 3 : Extrait de LVF + 1, tri par ordre alphabétique des entrées (version abrégée)7

19Considérons la première entrée du Tableau 3, abaisser 01. Le champ « Construction » T1308-P3008, code les propriétés suivantes : verbe transitif direct à sujet humain susceptible d’avoir un ajout instrumental (« T1308 »), ainsi que d’être conjugué à la voix pronominale, avec dans ce cas un sujet non-humain (« P3008 »). Quant au champ « Classe », il renvoie à une des sous-classes des 14 classes syntactico-sémantiques évoquées supra. La classe T regroupe les verbes de « transformation » ; la sous-classe T3c est définie par la Construction T1308-P3008 ; le champ « Opérateur » indique que le verbe abaisser 01 a le même sémantisme que la valeur causative de l’adjectif de qualité physique bas ; et un des champs morphologiques renvoie au dérivé abaissable. Enfin, le champ « Domaine » indique que ce verbe appartient au domaine de la localisation (« LOC »).

20Cette rapide présentation donne, nous l’espérons, une idée des opportunités qu’offre le dictionnaire informatisé LVF en matière de tris croisés selon un grand nombre de critères linguistiques.

1.3 Généralités sur le Dictionnaire Electronique des Mots (DEM)

21Il nous faut répéter que le Dictionnaire Electronique des Mots (DEM) est une œuvre très largement inachevée, moins du point de vue de l’extension (145 197 entrées) que du point de vue de la cohésion interne et de la révision des détails. Les auteurs de ces lignes avaient demandé à Françoise Dubois-Charlier, déjà souffrante de la maladie qui allait l’emporter quelques mois plus tard, la permission de publier une version XML du DEM. Elle n’a accepté qu’avec les plus grandes réticences, arguant du caractère imparfait du dictionnaire. Les auteurs du DEM n’auront pas eu le temps de rédiger un manuel d’utilisation ; c’eût été indispensable, compte tenu du formalisme complexe et peu intuitif qui caractérise ce travail. En revanche, ils avaient eu l’occasion de publier une présentation du DEM dans un article de revue (cf. Dubois et Dubois-Charlier 2010).

22Une des plus intéressantes propriétés du DEM est sa connexion explicite avec LVF. Cela va nous permettre de présenter ici (cf. infra Section 2.2) une nouvelle interface de consultation commune aux deux ressources.

23Soit cet extrait du DEM :

Tableau 4 : Extrait du DEM

MOT

CONT

DOM

OP

SENS

OP1

Genre

carnau

fac v N

BAT

ins

conduit d cheminée

R3a1

1

moise

fac v N

BAT

ins

couple 2 pièces jumelles

R3a1

2

escalier

fac v N

BAT

ins

marches pr monter

R3a1

1

escalier de service

fac v N

BAT

ins

réservé au personnel

R3a1

1

24Les quatre entrées mettent en relation quelques noms d’artefacts dans le domaine du Bâtiment avec dans le champ « OP1 » la mention de la classe R3a1, qui est une sous-classe définie ainsi dans LVF : « fabriquer quelque chose de concret avec un appareil » ; les entrées concernées de LVF sont bâtir, construire (construction), édifier (édification), fabriquer (fabrication), maçonner.

25Avant d’y revenir plus longuement, contentons-nous pour le moment d’indiquer que le DEM a pour matière la multitude des fichiers lexicographiques dont disposait Jean Dubois en tant que principal collaborateur, pendant 30 ans, du directeur de la rédaction des dictionnaires Larousse, son frère Claude Dubois. D’autre part, Jean Dubois et Françoise Dubois-Charlier ont travaillé sur le DEM dès le milieu des années 1990, une fois achevé leur précédent projet (LVF), et jusqu’à quelques mois de leurs morts respectives, en 2015 et 2016.

2. Nécessité d’une large diffusion des dictionnaires de Dubois & Dubois-Charlier auprès de la communauté des linguistes et des chercheurs en TAL

2.1 Ressources lexicales et TAL contemporain

26Tous les systèmes de TAL sont basés sur des données linguistiques et de représentations en fonction des objectifs poursuivis : par exemple, la recherche et l’extraction d’informations dans des textes, la traduction, la correction, la génération de texte, etc.

27Depuis les premiers travaux en traduction automatique il y a près de 50 ans, pratiquement tout le travail en TAL s’est appuyé sur des ressources fines de la langue : dictionnaires qui recensaient l’ensemble des mots d’une langue, des règles de conjugaison et déclinaison ainsi que des grammaires pour établir des relations entre les mots. Les systèmes ont pu s’appuyer sur une longue tradition de travaux en linguistique tant formelle que basée sur des corpus.

28En français, on peut penser, en-dehors des travaux évoqués précédemment de Maurice Gross et de son équipe du LADL, dont faisait partie Morris Salkoff (cf. la grammaire en chaîne, Salkoff 1980), à ceux de K. van den Eynde et P. Mertens (2006) ou encore d'Igor Mel’čuk (1997) et son équipe du Dictionnaire explicatif et combinatoire. Les ressources issues de ces projets ont fait l'objet de formatages, de mises au point, d'enrichissements et d'exploitations dans la communauté TAL.

29Aujourd’hui en 2020, certains remettent en cause la pertinence ou l’actualité de ce type de ressource, la tendance récente en TAL étant basée sur l’analyse de corpus pour transformer les mots en vecteurs (Mikolov et al. 2013, Devlin et al. 2019) sur lesquels on effectue des calculs pour établir des liens entre les mots ou groupes de mots, pour déterminer le type ou la polarité d’un texte, pour détecter si le texte est un pourriel ou non, etc. Ces calculs sont basés sur des paramètres déterminés par le traitement de grandes quantités de texte. Or au moins une partie de ces textes doit toutefois avoir été préalablement annotée plus ou moins finement en fonction de l’application visée : par exemple, en parties du discours pour l’analyse lexicale, avec des liens entre mots pour l’analyse syntaxique, en genres de texte pour la classification, etc.

30Pour certaines applications très particulières où l’entrée et la sortie du système sont du texte, par exemple la traduction (Johnson et al. 2017) ou la reconnaissance de la parole (Wang et al. 2019), il est maintenant possible de développer des systèmes de bout en bout (end-to-end) où des algorithmes réussissent à établir des correspondances entre des éléments de l’entrée et de la sortie qu’ils peuvent reproduire sur de nouveaux textes, sans avoir besoin de créer des niveaux intermédiaires de représentations symboliques, comme le faisaient les travaux précurseurs, au temps où la vitesse de calcul et la mémoire des ordinateurs n’auraient pas permis ce type de traitements qu’on prend maintenant pour acquis. Pour y arriver, il « suffit » de recueillir de grandes quantités de textes ou des pistes sonores avec les sorties correspondantes, ce qui n’est pas toujours facile, mais des techniques efficaces ont été développées pour tirer parti de grandes quantités de textes maintenant disponibles en format informatisé.

31On est donc loin des travaux des linguistes traditionnels qui travaillaient sur des exemples souvent artificiels ou créés de toute pièce à partir de leurs intuitions ou de leur connaissance fine de la langue. Il faut aussi souligner que les chercheurs en TAL ne cherchent plus toujours la perfection; ils mesurent plutôt leur succès en termes de mesures de précision et de rappel sur des tâches standardisées (Paroubek et al. 2007).

32Pour la plupart des autres tâches, où la sortie n’est plus du texte, mais plutôt un jugement (est-ce un pourriel ou non ? le texte exprime-t-il un sentiment positif ou négatif ? trouver une réponse à une question demandant un certain raisonnement, qui a fait quoi, à qui, comment, quand et où ?, etc.), les systèmes TAL doivent s’appuyer sur des corpus et des ressources compilées au fil des années par des linguistes, telles WordNet (Miller 1995) ou FrameNet (Ruppenhofer et al. 2016). Les systèmes s’appuient aussi sur des ressources collaboratives comme Freebase, Wikipedia ou Wiktionnaire. Dans certains domaines, on tire aussi parti d’ontologies créées pour d’autres fins, par exemple SNOMED dans le domaine médical. Ce sont toutes des ressources créées manuellement au fil des années par des équipes de chercheurs.

33Cela démontre bien l’intérêt de ces ressources lexicales qui profitent maintenant à des générations de chercheurs toujours en quête de données annotées de façon systématique. Même si des méthodes d’apprentissage non supervisé ont été développées, il est toujours nécessaire d’amorcer la pompe avec des données validées. Des données annotées sont également essentielles afin d’évaluer les résultats des systèmes.

34Aucune ressource lexicale n’est complète, mais combinée à d’autres, elle peut être utile pour aider à ajouter des informations. Souvent, seul un sous-ensemble de la ressource n’est utilisé pour une application. Un bon exemple est WordNet (Miller 1995), développé originellement comme un modèle psychologique de l’accès lexical via des liens de synonymie. Il n’est jamais utilisé en totalité : dans certains cas, ce sont les ensembles de synonymes, dans d’autres cas c’est la liste des entrées, les définitions ou les regroupements via les liens d’hyperonymie. Des thésaurus compilés au cours des siècles derniers (cf. Lewis 1978) ont aussi servi dans plusieurs applications, notamment pour la désambiguïsation dans le cadre de systèmes de question-réponse.

35Rappelons les caractéristiques des ressources des Dubois et Dubois-Charlier:

- Les verbes français (LVF) : plus de 25 000 entrées correspondant à plus de 12 000 verbes différents répartis en classes et schèmes d'utilisation ;

- Dictionnaire électronique des mots (DEM) : plus de 145 000 mots et expressions françaises codifiées permettant de les regrouper selon certains critères.

36LVF et DEM ont l’avantage d’avoir été compilés par deux linguistes de renom avec un souci d’uniformité qu’on retrouve rarement dans les ressources lexicales actuelles. Elles sont beaucoup plus qu'une simple nomenclature de mots ou expressions, ce sont avant tout des regroupements selon des critères syntaxiques et sémantiques. Ces ressources comportent évidemment des lacunes, mais il nous semble intéressant de les considérer dans leur ensemble et de tenter d’en profiter pour combiner ces informations avec les différents domaines du TAL.

37Des utilisations de ces ressources pour le TAL ont été présentées lors de communications dans des colloques, comme celles de Bédaride (2012), de Danlos, Nakamura et Pradet (2014), de Guillaume, Fort, Perrier et Bédaride (2014), de Mazziotta (2014). Quelques articles ont été également publiés, notamment ceux de Silberztein (2010) et de Sabatier et Le Pesant (2013). En-dehors du domaine du TAL, les dictionnaires informatisés de Dubois & Dubois-Charlier ont fait l’objet de plusieurs études dans des revues de linguistique française, notamment celles de François, Le Pesant et Leeman (2007), Dutoit et François (2007), Leeman et Sabatier (2010) et François (2017).

2.2 Les interfaces de consultation

  • 8 JSON est l’acronyme de JavaScript Object Notation : https://www.json.org/json-fr.html

38Depuis 2008, nous avons publié une série de versions du LVF et du DEM sous plusieurs formats différents (Excel, CSV, XML), sur les sites de l’Université de Paris Nanterre pour les versions Excel et de l’Université de Montréal pour les versions Excel, CSV, XML. Au cours des dernières années, JSON est devenu le langage de balisage le plus utilisé dans le domaine du TAL, pour lequel plusieurs outils de manipulation très efficaces ont été développés. Nous avons donc décidé, à l’occasion de la présente publication, de développer une version JSON8 de ces mêmes ressources en espérant qu'elles pourront stimuler leur diffusion et leur utilisation. JSON est un moyen de codifier une structure de données sous forme de champs étiquetés. Contrairement à une base de données relationnelle, chaque enregistrement peut être plus ou moins détaillé, ce qui correspond bien à la situation d’un dictionnaire où certaines entrées sont très élaborées alors que d’autres ne comportent que quelques informations. Cette version JSON est une réorganisation et une augmentation, décrite à la prochaine section, par rapport à la version XML que nous avons publiée il y a quelques années.

  • 9 http://jsonlines.org

39Les deux ressources sont diffusées sous la forme d’expressions JSON, chaque entrée occupant une ligne (un format souvent qualifié de JSON Lines9) : chaque entrée du lexique occupe une ligne du fichier, chaque ligne étant une expression JSON, elle peut être traitée facilement avec toute librairie manipulant ce type de données.  Ces extractions peuvent ensuite être manipulées facilement avec d'autres outils bien connus des informaticiens-linguistes.

40Cette version nous a permis de développer une nouvelle interface de consultation intégrée pour LVF et le DEM10. Les Figures 1 et 2 ci-dessous donnent des exemples de requêtes combinées autour d’un même domaine sémantique auprès de LVF et du DEM. Après avoir choisi la ressource dans la première ligne, il suffit d’entrer quelques contraintes dans des champs de texte (dans la deuxième ligne) pour faire afficher un tableau donnant les entrées qui respectent toutes ces contraintes. En plus de faciliter l’exploration des ressources séparément soit par filtrage ou regroupement, l’interface permet de suivre des liens entre le LVF et le DEM, car les auteurs avaient déjà imaginé de tels liens. Par exemple, dans le DEM, le champ OP1 fait référence à un schème du LVF.

41Imaginons qu’on ait besoin, à partir des deux ressources, de rechercher les termes relevant du domaine de la cuisine : certains sont des verbes de préparation des aliments à des fins culinaires qu’on trouvera dans LVF (ex. cuire), les autres des noms d’aliments, qu’on trouvera dans le DEM (ex. viande, légume). Supposons d’autre part qu’on veuille se limiter au cas des aliments carnés. L’interface intégrée de consultation de LVF et du DEM permet qu’on se persuade, par une série de sondages sur les mots isolés, que dans LVF c’est la corrélation du Domaine cuisine, pâtisserie avec la Classe « R3c.1 » qui donne accès aux verbes d’opérations culinaires. On découvre aussi qu’en utilisant le champ Opérateur on a accès à des sous-domaines : il en existe un de forme « [m.en état] viande ». Le tri selon ces trois critères a pour résultat une liste de 13 verbes et une liste de 15 noms partageant le même radical qu’un verbe de la liste :

Figure 1 : Requête sur LVF selon les critères du Domaine, de la Classe et de l’Opérateur

42Pour trouver les noms d’aliments susceptibles de se combiner aux verbes, on interroge le DEM. En procédant une nouvelle fois par sondage sur des mots individuels, on se persuade rapidement qu’il faut sélectionner dans le champ CONT le symbole « ali N » en corrélation avec le Domaine de la boucherie. On obtient une liste de 70 noms de viandes, dont deux locutions. En limitant les résultats à ceux qui contiennent le mot « bœuf », on obtient les 25 mots (araignée, bronne, bavette etc.) apparaissent dans la Figure 2. Il est à noter que le champ OP1, qui met le DEM en relation avec LVF, renvoie non pas aux termes de préparation culinaire (ce qui serait redondant), mais à la Classe S3j1 qui rassemble des verbes de consommation alimentaire (avaler, consommer, déglutir, etc.).

Figure 2 : Requête sur le DEM selon les critères du Domaine, du Contenu et de la présence du mot « bœuf »

2.3 Calcul des adjectifs et noms dérivés du LVF

43Une nouveauté de cette version du LVF par rapport aux précédentes est le fait que les dérivations adjectivales et nominales ainsi que le déverbal sont maintenant explicités plutôt que seulement signalés sous forme d'indicateurs comme on peut le constater par la Figure 1. Ces dérivés ont été obtenus par programme en utilisant les codes associés aux différents types de dérivés : adjectifs verbaux en -ant, -é (-i, -u, …) et -able ainsi que les dérivés nominaux en -age, -ment, -ion, -eur, -oir et -ure.

44Notre programme implante les indications données aux pages 14 à 19 de Dubois et Dubois-Charlier 1997. Les auteurs nous avaient confié qu’ils avaient développé un programme pour générer ces formes, ce qui est très vraisemblable étant donnés la finesse et les détails du codage. En page 17, les auteurs écrivent: « Les irrégularités de formation (éteindre, éteignoir) ou les modifications orthographiques (dépecer, dépeçoir) sont traitées dans le programme de génération des formes ». Ce programme n’ayant pu être retracé, nous en avons développé un nouveau, dont voici les grandes lignes.

45Le principe du calcul des dérivations est simple, mais il doit tenir de plusieurs détails. En fonction de son groupe de conjugaison, un certain nombre de lettres sont enlevées à la forme infinitive du verbe pour obtenir son radical. Une terminaison est ajoutée au radical en fonction d’informations fournies dans les tables du document PDF. Il a fallu toutefois développer un certain nombre de hacks pour tenir compte de particularités comme le changement d’un c en ç (avançable à partir d’avancer) ou gu en g (largable à partir de larguer). Certains dérivés, codés comme ayant une formation irrégulière (endormir, endormissement ; gésir, gisement), ne sont pas gérés par notre programme. Nous donnons maintenant plus de détails sur ce processus implanté avec un programme Python disponible auprès de Guy Lapalme.

46On obtient le radical en enlevant la terminaison à l’aide du code de conjugaison (champ gr) : un chiffre et une lettre suivis de A, B ou Z qui indique l’auxiliaire. La page 19 donne des exemples de verbes dans chacun des 85 groupes (chiffre et lettre). Nous avons pu ainsi déterminer le nombre de lettres à supprimer de la forme infinitive du verbe pour retrouver le radical. Par exemple, pour le groupe 1a, p. ex. chanter, on enlève 2 lettres pour obtenir chant-, alors que pour le groupe 5d, p.ex. craindre ou peindre, on doit en enlever 3 pour obtenir crain- ou pein-.

47En fonction des codes associés à chaque type de dérivés, on ajoute une terminaison et parfois aussi un préfixe. Par exemple, pour le verbe défendre, le code pour le dérivé adjectival en -able permet de calculer défendable, mais aussi indéfendable.

48Les dérivés en -ion et -eur (p. 16) sont plus élaborés, car le codage indique qu’il faut encore enlever des lettres au radical avant d’y ajouter la terminaison. Par exemple, pour le verbe indiquer (avec radical indiqu-), le code 2A demande d’enlever encore deux lettres et d’y ajouter -cation et -cateur, pour obtenir indication et indicateur. D’autres codes indiquent des dérivés multiples : par exemple, composer peut avoir deux dérivés en -eur : composeur, compositeur en plus des autres dérivés : les adjectifs composable, composé et composant et le nom composition.

49Le programme de dérivation vérifie si les dérivés du LVF calculés par ce processus apparaissent dans le DEM. Si ce n’est pas le cas, ils sont préfixés par un astérisque. Dans la grande majorité des cas, ce sont des participes passés qui évidemment n’apparaissent pas comme entrée distincte dans le DEM, dans d’autres cas, cela peut indiquer un mot manquant dans le DEM. Cette vérification nous a facilité la mise au point de notre programme de dérivation, mais aussi permis de détecter une vingtaine d’erreurs mineures de codage que nous avons corrigées, ce qui est très peu sur plus de 25 000 entrées.

2.4 Un mode d’exploitation des données lexicales conforme aux intentions de M. Gross et de J. Dubois & F. Dubois-Charlier : associer les tables lexicales à des grammaires locales pour des tâches d’analyse syntactico-sémantique de corpus

  • 11 Les requêtes les plus simples peuvent être traitées par de simples expressions régulières plutôt qu (...)

50Nous avons dit supra (Section 1.1) que les lexiques-grammaires du LADL ont été formatés pour le TAL et que le logiciel INTEX a été conçu à cet effet. Dans ce système, le dictionnaire est associé à des grammaires locales. Les deux types de ressources sont élaborés par l’utilisateur en fonction des ressources originales dont il dispose ainsi que de la finalité de ses recherches11.

51Pour illustrer le fait que ce type d’application reste très intéressant de nos jours, nous présentons ici une expérience d’annotation automatique syntaxique et sémantique d’un texte. Le dictionnaire que nous utilisons est une adaptation d’une portion de LVF. L’un de nous deux, Denis Le Pesant, travaille avec le logiciel de traitement de corpus NooJ12, développé après la mort de Maurice Gross par Max Silberztein (cf. Silberztein 2010). Quelques autres expériences du même genre ont déjà été présentées par Sabatier et Le Pesant (2013), Le Pesant, Sabatier, Silberztein et Stéfanini (2014), Silberztein (2010) et Silberztein (2020 : dans ce numéro).

52Les fonctionnalités du logiciel sont, entre autres : la désambiguïsation du sens des mots par prise en compte de leur distribution syntaxique, la reconnaissance des variantes de forme des mots (en particulier dans le cas des mots composés et des locutions) et des phrases, l’annotation morphologique, syntaxique et sémantique des corpus, et la fouille de textes.

  • 13 Le symbole T15a8  code les propriétés syntaxiques suivante : verbe transitif direct (« T »), à suje (...)

53Considérons la Classe « C2b » (Construction « T15a8 »)13 de LVF. Ce sont verbes de communication dont la construction est « N0<qq> V N1<Objet> à N2<qq> » (ex. quelqu’un ordonne, à quelqu’un, quelque chose ou de faire quelque chose,). Appelons-les verbes d’incitation. Ce sont :

commander 04, conseiller 01, déconseiller 01, défendre 05, demander 02, dicter 02, dire 03, édicter 02, enjoindre, imposer 01, interdire 01, interdire 06, intimer 02, offrir 03, ordonner 04, parler 11, permettre 01, prescrire 01, promettre 02, proposer 03, proposer 05, rappeler 08, réclamer 01, recommander 04, reconseiller, redéconseiller, redemander 02, redicter 02, réédicter, remontrer 02, represcrire 02, stipuler 02, redire 02, refuser 09, réordonner 02, répondre 02, repromettre 01, reproposer 02, souhaiter 02, interdire 05, refuser 08, persuader 03, suggérer 02, mander 02, interdire 04, permettre 01, permettre 02, préconiser, signifier 04.

  • 14 Par exemple, dans le champ CONSTR le codage « On le lui a » amalgame les informations suivantes : s (...)

54La forme tabulaire de LVF (cf. supra Tableau 3) permet, par une opération de copier-coller et un petit ensemble d’opérations de traitement de texte, de construire un dictionnaire NooJ éventuellement modifié par rapport à l’original selon les choix de l’utilisateur. Voici un extrait du dictionnaire NooJ que nous avons utilisé pour cette démonstration. Nous aurions pu reprendre le formalisme original de LVF ; nous avons préféré y substituer un autre formalisme à nos yeux plus synthétique14 :

Figure 3 : Dictionnaire NooJ des verbes de la Classe C2b T5a8 de LVF

  • 15 Le DM est dû à François Trouilleux (cf. Trouilleux 2018).

55Ce dictionnaire, en même temps qu’un autre dictionnaire, un lemmatiseur, le DM, intégré à la version courante de NooJ qui reconnaît toutes les catégories lexicales et leurs éventuelles flexions15, est ensuite appliqué à un corpus. A ce stade, les parties du discours et leur morphologie sont reconnues, mais dans un bruit considérable, à cause de la polysémie.

56De fait, la majorité de verbes sont polysémiques (par exemple, selon LVF, le verbe défendre a cinq sens différents) et de nombreuses flexions sont elles-mêmes polysémiques. Pour déterminer quel est leur emploi dans un discours donné, il faut reconnaître et analyser leur contexte. Pour réduire les ambiguïtés, on construit une ou plusieurs grammaires locales qui vont définir des restrictions sur l’environnement des verbes, c’est-à-dire notamment sur la composition de leur structure argumentale. Comme ces graphes sont des transducteurs, les annotations supplémentaires éventuelles qu’ils produisent vont pouvoir compléter les annotations précédentes, issues du DM.

57Supposons qu’on veuille relever dans un corpus ou un texte toutes les occurrences de verbes d’incitation, les analyser en tant que « verbes de Communication, Classe Incitation », et qu’on veuille aussi reconnaître leur contexte et l’analyser selon la fonction syntaxique et sémantique (par exemple « Sujet N, Locuteur », « Complément N, Destinataire », « Complément PROP à l’infinitif, Objet de l’incitation »). On construit alors une grammaire locale appropriée à ce vocabulaire, telle que :

Figure 4 : Grammaire locale NooJ pour l’analyse et l’annotation des phrases à verbe appartenant à la Classe C2b T5a8 de LVF

  • 16 Les éléments de couleur jaune de la grammaire renvoient à des sous-grammaires.
  • 17 Sur ces 32 occurrences, 9 correspondent à une analyse erronée, à chaque fois à cause du verbe perme (...)

58Cette grammaire16 est ensuite appliquée à un texte ou corpus. Nous choisissons pour cette démonstration le roman Béatrix (120.968 mots), extrait de La Comédie humaine de Balzac. L’analyse au moyen de NooJ, qui dure 56 secondes, produit la concordance de 32 occurrences que voici17 :

Figure 5 : Extrait de la concordance NooJ résultant de l’application de la grammaire locale de la Figure 3 à Béatrix de Balzac

59Les annotations issues de l’application de la grammaire locale de la Figure 3 sont susceptibles d’être exportées dans le texte lui-même. Nous copions ci-dessous quelques extraits annotés en XML de Béatrix de Balzac :

Le lendemain matin, <SN TYPE="hum" TYPE="LOCUT">Calyste</SN> <V CATEG="Communication " CLASS="Incitation " SSCLASS="dire">dit</V> à <SN TYPE="DESTINAT">Gasselin</SN> <PROP TYPE="INF" TYPE="OBJET">d'aller se mettre en sentinelle sur le chemin de Guérande à Saint-Nazaire</PROP>, de guetter au passage la voiture de mademoiselle des Touches et de compter les personnes qui s'y trouveraient.

Toutes les fois que vous verrez un livre de musique ouvert sur le piano, vous me demanderez à rester. <PRO TYPE="LOCUT">Je</PRO> <PRO TYPE="DESTINAT">vous</PRO> <V CATEG="Communication " CLASS="Incitation " SSCLASS="permission">permets</V> <PROP TYPE="INF" TYPE="OBJET">d'être avec moi grossier si vous le pouvez</PROP>, tout ira bien.

Elle était sûre d'être obéie et comprise. <PRO TYPE="LOCUT">Elle</PRO> eût <V CATEG="Communication " CLASS="Incitation " SSCLASS="dire">dit</V> à <SN TYPE="DESTINAT">Calyste</SN> <PROP TYPE="INF" TYPE="OBJET">de risquer sa vie pour le moindre de ses caprices</PROP>, il n'eût même pas réfléchi.

Le docteur essaya de couper la fièvre avec du quinine, et la fièvre céda pour quelques jours. <SN TYPE="hum" TYPE="LOCUT">Le médecin</SN> avait <V CATEG="Communication " CLASS="Incitation " SSCLASS="ordre">ordonné</V> <PROP TYPE="INF" TYPE="OBJET">de faire faire de l'exercice à Calyste et de le distraire</PROP>. Le baron retrouva quelque force et sortit de son apathie, il devint jeune quand son fils se faisait vieux.

3. Le Dictionnaire Electronique des Mots : un projet de « lexique-grammaire total »

60Le DEM est une ressource particulièrement méconnue. Jean Dubois et Françoise Dubois-Charlier ont travaillé sur ce projet jusque dans les derniers mois de leurs vies respectives, le laissant largement inaccompli. Nous le qualifions de « lexique-grammaire total » pour souligner qu’en intégrant le continent immense des mots non prédicatifs, notamment les noms concrets, il constitue un complément essentiel aux lexiques-grammaires du LADL, qui ne prennent en compte que les mots prédicatifs.

3.1 Généralités sur le DEM

61Les auteurs n’auront pas eu le temps de fournir une explicitation détaillée des codages. On trouvera cependant un certain nombre d’éléments d’information fournis par Françoise Dubois-Charlier au moment de la publication18. On pourra surtout lire leur dernier article (Dubois & Dubois-Charlier 2010), où ils décrivent leur projet avec l’exemple du domaine de la musique :

Notre objet avec ce dictionnaire est double :

– d’une part, essayer de faire en sorte que l’enchaînement des éléments contenus dans les rubriques pour un mot donné aboutisse à la formation d’une phrase élémentaire (axe syntagmatique) ;

– d’autre part, essayer de faire en sorte que chaque étiquette employée dans une rubrique pour un mot se retrouve dans la même pour d’autres mots, définissant ainsi une classe de mots (axe paradigmatique).

(Dubois & Dubois-Charlier 2010 : 179) 

62Dubois et Dubois-Charlier donnent un peu plus loin quelques explications sur leurs conventions de codage des propriétés à partir de l’exemple suivant :

Tableau 5

MOT

CONT

DOM

OP

SENS

OP1

accordéoniste

N q joue d

MUS

art

q joue d accordéon

C1c3

63Les trois rubriques commentées ici sont CONT (pour « contexte » ou « contenu »), OP (pour « opérateur »), OP1 (pour un autre type d’opérateur). Le développement sur les termes de la musique illustrera ce qu’elles contiennent. Ainsi :

accordéoniste, CONT = ‘N qui joue de’, OP = ‘spéc’, OP1 = ‘C1c3’ = « un accordéoniste est une personne qui joue d’un instrument (défini dans la rubrique SENS), dont c’est la spécialité, ce qui en fait le sujet de verbes exprimant l’idée d’« émettre des sons à fonction expressive et esthétique ».

Il est important de noter que les étiquettes de la rubrique OP1 renvoient aux classes de verbes données dans LVF (1997), donc à un ensemble préétabli. Celles qui sont employées dans les rubriques CONT et OP, elles, ne renvoient pas à des listes préétablies, elles se dégagent peu à peu de l’analyse des termes à traiter en fonction de leur définition, de leur syntaxe, et à des fins de différenciation. Ainsi, de la considération des quelque 16.000 noms désignant des humains ont émergé, pour OP, des étiquettes comme ‘spécialiste’, ‘habitant’, ‘amateur de’, etc. De la considération des quelque 6 000 entrées adverbiales ont émergé, pour CONT, des étiquettes comme ‘agir adv’, ‘parler adv’, ‘écrire adv’, ‘juger que’, etc. (Dubois & Dubois-Charlier, 2010 :179)

64Voici une image des premières entrées du DEM par ordre alphabétique des entrées. Elle illustre en particulier le parti pris d’intégrer systématiquement les expressions polylexicales au dictionnaire général :

Figure 6 : les 18 premières des 145 197 entrées du DEM

65On voit par ce court extrait que :

- toutes les parties du discours, sont représentées et explicitées à peu près en clair (dans le champ cat, « N » signifie « Nom » et « Adv » signifie « Adverbe » ; dans le même champ, on peut trouver par exemple Vi (« verbe intransitif », Vp (« verbe pronominal) ;

  • 19 Dans le « Grand Robert » (Robert 1980), les premières entrées concernent les différents emplois du (...)

- le dictionnaire est loin de se limiter aux mots simples ; il n’y a que 3 mots simples sur 18 mots dans cet extrait19 ;

- les différents emplois d’un même mot sont dégroupés ; par exemple, il y 2 emplois de l’expression à bon marché ;

- les registres de langue sont mentionnés : par exemple, pour l’entrée a quia, le « t » minuscule accolé au nom de domaine signifie : « registre littéraire » ;

  • 20 Cf. les articles d’Agnès Tutin et de Denis Le Pesant sur les Phrases Préfabriquées des Interactions(...)

- les mentions de domaines sont codées, mais une fois appris le codage, elles sont facilement mémorisables (RLA pour « relation », DRO pour « droit », TPS pour « temps », etc. ; il est à noter que VOX renvoie aux énoncés figés (appelés parfois pragmatèmes)20 tels, dans la Figure 5, à bas qq ! et à bientôt !).

66Le champ OP1 code des Classes de verbes de LVF. En mettant en relation les noms non prédicatifs du DEM avec les verbes prédicatifs de LVF les deux auteurs entendent, pour reprendre leur propre formule citée supra au début de cette section, « essayer de faire en sorte que l’enchaînement des éléments contenus dans les rubriques pour un mot donné aboutisse à la formation d’une phrase élémentaire (axe syntagmatique) ».

67Revenons sur les expressions « à bas x ! » et « à bientôt ! » de la Figure 5. Elles sont reliées dans le champ OP1 à la Classe C2d3. On est renvoyé là à un certain nombre de verbes de « dire en criant » tels que s’écrier et s’exclamer. Autre exemple : le nom a (emploi 2), en tant que nom de phonème (le phonème « a »), est relié à la Classe C1a3, qui regroupe les verbes d’« émettre un type de paroles » tels que aboyer, beugler. Dans l’emploi 1, le nom « a », en tant que nom de graphème, est relié à la Classe R3a1 (du moins à une partie non négligeable de cette classe) qui sont des verbes transitifs directs de « réalisation d’un objet » tels que coudre, dessiner, graver, façonner.

68Chaque ligne représente une structure de phrase. Par exemple, les entrées a capella, a posteriori #2, a priori #3 et à aucun moment sont à interpréter ainsi, respectivement :

chanter a capella c’est, dans le Domaine de la musique, chanter sans accompagnement

examiner a posteriori c’est, dans le Domaine des relations, examiner avec du recul

advenir à aucun moment c’est, dans le domaine du temps, n’arriver jamais

  • 21 Le caractère abscons des codages s’explique en partie par le fait que les auteurs ont toujours trav (...)

69Ce n’est pas le lieu ici de décrypter les codages du DEM : ce serait une entreprise de longue haleine qui mettrait du reste en évidence un certain nombre de lacunes et d’incohérences caractéristiques d’une entreprise colossale laissée inachevée. D’ailleurs, ce ne serait pas nécessairement une tâche utile du point de vue syntactico-sémantique ou lexicographique. Nous développerons infra dans la Section 3.2 une autre piste d’utilisation du DEM, en tant que « matière première » exploitable non pas dans sa totalité, mais par sous-ensembles fragmentaires, selon les choix du chercheur. Mais donnons cependant au moins quelques illustrations du mode de codage des propriétés choisi par les auteurs du DEM21.

70Le principe d’interprétation des propriétés de chaque entrée est, on vient de le voir, de combiner les informations figurant dans les champs CONT, OP, DOM et SENS. Le codage des verbes est le suivant. Dans le champ CONT, le premier signe est « N majuscule », qui code l’existence d’un sujet. La suite code, en minuscule, un trait sémantique ; elle peut ou non comporter un symbole prépositionnel, notamment « p » (= par) et « v » (= avec, au moyen de). Exemples :

Tableau 6

M

CONT

DOM

OP

SENS

manger

N ali prod

ALI

prod

absorber ali

vaseliner

N soigne p

PHA

tech

enduire d vaseline

71Ces entrées s’interprètent comme suit, par combinaison des informations contenues dans les différents champs : « manger, c’est se nourrir d’un produit alimentaire, c’est-à-dire absorber un aliment » ; et « vaseliner, c’est soigner au moyen de (cf. symbole « p ») une technique pharmaceutique qui consiste à enduire de vaseline ».

72Dans le cas des noms, dans le champ CONT, le signe « N majuscule » ne figure pas en première position (comme c’est le cas dans les entrées verbales, cf. Tableau 6) et renvoie à l’entrée. Exemples :

Tableau 7

M

CONT

DOM

OP

SENS

yaourt

ali N

ALI

prod

lait caillé, yoghourt

assiette

ali v N

VAI

ins

pr manger aliments

73Ces entrées s’interprètent comme suit, par combinaison des informations contenues dans les différents champs : « on mange du yaourt, produit alimentaire consistant en lait caillé, dit aussi yoghourt » ; et « on mange avec (cf. symbole « ») une assiette, instrument de vaisselle fait pour manger des aliments ».

74Les noms d’agent humain comportent eux aussi un N majuscule, mais en position initiale et suivi de la lettre « q » minuscule, comme le montre le premier des trois exemples suivants :

Tableau 8

M

CONT

DOM

OP

SENS

racketteur

N q commet

PEN

acte

q rackette, rançonne

racketter

N commet p

PEN

acte

rançonner

racket

commet N

PEN

acte

extorsion d fonds

75L’interprétation de ces exemples est la suivante : un racketteur est quelqu’un qui commet un acte relevant du droit pénal consistant à racketter ou rançonner ; d’autre part, racketter c’est commettre un acte relevant du droit pénal par le fait de rançonner ; enfin, on commet un racket par un acte relevant du droit pénal et consistant à procéder à une extorsion de fonds.

76Dans ces exemples, le lien morphologique entre les trois mots partageant le même radical s’effectue d’une part par la similitude des informations figurant dans les champs OP et DOM, d’autre part par des renvois possibles entre les entrées et les éléments de SENS. Quant au champ SENS, il renvoie à des entrées synonymiques (rançonner, extorsion de fonds), mais il est à noter que les renvois à d’autres entrées ne sont malheureusement pas formalisés.

3.2 Quelques propriétés remarquables du DEM

77Les propriétés du DEM que nous allons évoquer ici sont, parmi d’autres, corrélées au caractère « totalisateur » du projet de Dubois & Dubois-Charlier. Le haut degré de valeur quantitative compense dans une certaine mesure les défauts qualitatifs de cette œuvre inachevée, que nous nous plaisons à qualifier de « matière première » de premier ordre pour l’étude du lexique du français.

3.2.1 Le DEM réserve le même traitement aux locutions qu’aux mots simples

78Dans le DEM, les locutions ne sont pas, comme cela se pratique le plus souvent, répertoriées dans des dictionnaires séparés ou placées en annexe d’une entrée de mot simple. Elles sont mises sur le même plan que les mots simples : les deux catégories figurent dans la même table et peuvent, grâce au caractère informatisé de ce type de lexicographie, être triées par ordre alphabétique. Ce choix a le mérite de mettre en évidence le fait que, du point de vue syntactico-sémantique, rien ne distingue, à notre avis, les locutions des mots simples. D’autre part, il nous aide à mesurer jusqu’à quel point, dans de vastes régions du lexique, la proportion de locutions est importante. Par exemple, la proportion de locutions est très forte dans le domaine de la Psychologie. Considérons les 755 verbes psychologiques relevant du registre standard. Ils sont codés de la façon suivante dans le DEM :

Tableau 9

CONT

DOM

OP

N éprouver

PSY

sent

79La proportion de locutions dans cette classe est de 79 %. Dans d’autres classes de verbes, la proportion de locutions est minoritaire, mais importante. Par exemple, il y a 237 verbes de Déplacement accessibles par la requête suivante :

Tableau 10

CONT

DOM

OP

N f mvt p

LOC

type

80La proportion de locutions dans cette classe (y compris dans le registre familier) est de 38 %. Prenons un dernier exemple dans le domaine des verbes de Communication : on y compte 161 entrées ; 44 % de ces verbes sont des locutions. Ils sont accessibles par cette requête :

Tableau 11

CONT

DOM

OP

N dire pr

LOQ

dit

81Il est à noter que LVF ne recense qu’une faible minorité des verbes locutionnels. A l’égard du vocabulaire des verbes français, le DEM compense donc une grave lacune de LVF.

82Les inventaires de mots grammaticaux du DEM (prépositions, conjonctions, adverbes connecteurs), qui sont très majoritairement des locutions, sont particulièrement impressionnants par leur extension. Par exemple, dans le domaine des adverbes, prépositions et conjonctions de Temps, le DEM n’enregistre pas moins de 774 entrées, presque toutes locutionnelles. Prenons un autre exemple : le domaine de l’expression de la localisation compte 302 entrées prépositionnelles et adverbiales, très majoritairement locutionnelles. Elles sont définies par le codage suivant :

Tableau 12

CONT

DOM

OP

situer adv

LOC

st

83Ces codes signifient à peu près ceci : « Dans le Domaine pragmatique du LIEU (LOC), ces lexèmes sont reliés, en position syntaxique adverbiale (adv), à des prédicats statifs (st) de « situation » (situer) ». Voici par exemple un extrait de la liste des adverbes et prépositions dont le segment initial est « à » et « au, aux » :

au bas de, au beau milieu de, au bord de, au bout du monde, au centre de, au cœur de, au coin du bois, au coin du feu, au confluent de, au coude à coude, au détour du chemin, au diable, au diable vauvert, au dos de, au droit de, au faîte de, au fond de, au frais, au grand air, au loin, au lointain, au milieu de, au niveau le plus élevé, au passage, au pied de, au sec, au sein de, au vert, au-dedans, au-delà, au-delà des mers, au-dessous, au-dessous de, au-dessus de, au-devant, au-devant de, aux alentours de, aux antipodes de, aux avant-postes, aux confins de, aux côtés de, aux environs de, aux pieds de, aux portes de, aux premières loges, aux quatre coins de, aux quatre vents, etc.

84Cette présentation pourrait donner à penser que les catégories ne sont guère subdivisées. Ce n’est pas toujours le cas, grâce aux notations de para-synonymie du Champ SENS qui permettent de constituer des sous-classes sémantiques. Illustrons ce fait par un extrait du DEM :

Tableau 13 : Extraits de la liste des prépositions de localisation du DEM

MOT

CONT

DOM

OP

SENS

OP1

au dos de

situer adv

LOC

st

au verso de

L3a1

au milieu de

situer adv

LOC

st

au centre de loc

L3a1

aux environs de

situer adv

LOC

st

aux alentours de loc

L3a1

aux confins de

situer adv

LOC

st

aux limites de

L3a1

à ciel ouvert

situer adv

LOC

st

(ê) à l'air libre

L3a1

à fleur d'eau

situer adv

LOC

st

(ê) à la surface de l'eau

L3a1

à égale distance

situer adv

LOC

st

(ê) à même intervalle

L3a1

à découvert

situer adv

LOC

st

(ê) à nu, non protégé

L3a1

85En dépit de ces exemples, force est d’admettre que la granularité sémantique, dans le DEM, n’est guère fine dans un grand nombre de domaines. Le DEM est selon nous avant tout une « matière première » de premier ordre disponible pour des recherches ultérieures plus spécifiées (Cf. infra Section 3.2.3).

3.2.2 Le DEM rend compte de tous les registres et incorpore les termes de spécialité

86Dans le DEM, les registres de langue et les variations régionales du français sont codées dans le champ DOM (domaine) de la façon suivante :

Niveaux de langue : f (familier), p (populaire), v (vieux), t (littéraire)

Régionalismes : b (belge), c (canadien, québécois), s (suisse)

87Les verbes psychologiques relevant du registre standard, hors registres argot et vulgaire, sont codés de la façon suivante dans le DEM :

88On constate que ce sont des locutions dans une proportion de 92%.

89Jean Dubois fut un des coordinateurs des équipes qui ont élaboré le Grand Dictionnaire Encyclopédique Larousse. C’est cela qui l’a probablement encouragé à donner au DEM un caractère en partie terminologique. Ainsi le DEM incorpore-t-il tous les vocabulaires de spécialité. Par exemple, dans le Champ Domaine, la mention REP rassemble 578 noms de reptiles, dont 81 noms de reptiles fossiles ! Autre exemple, le Domaine CHM (chimie), le DEM rassemble 5147 termes. Ce parti pris pourrait surprendre, d’autant que le DEM n’est évidemment pas une ressource terminologique fiable, ne serait-ce qu’en raison du fait qu’il n’est pas et ne sera jamais actualisé. Il témoigne tout au moins du caractère « totalisateur » du projet de Dubois et Dubois-Charlier.

3.2.3 La mise en relation des noms non prédicatifs avec les prédicats appropriés dont ils sont les arguments

90Dans Gross (1990), Maurice Gross évoque le traitement des noms dans le lexique-grammaire. Les noms prédicatifs ont à cette époque déjà fait l’objet de nombreux travaux, et Gross fait la liste d’ouvrages de ses collaborateurs sur divers types de constructions à verbes supports faire, avoir, donner-recevoir, être en, avoir-prendre-perdre (cf. entre autres J. Giry-Schneider 1978, 1987, G. Gross 1989, R. Vivès 1983). « Tous ces travaux, écrit Gross, démontrent la possibilité de représenter ces mots dans un lexique-grammaire ». Et d’ajouter :

Seuls semblent échapper à cette description les substantifs concrets (e.g. chaise, notaire, homme des bois, pomme de terre), qui ne donnent pas lieu à des phrases élémentaires syntaxiquement significatives, et présentent d’autres problèmes de représentation (souligné par nous). (Gross, M. 1990 : 49)

91Les noms non prédicatifs, c’est-à-dire les noms qui n’ont pas de structure argumentale, sont donc absents des lexiques-grammaires du LADL. Il en va tout autrement dans le cas du DEM, qui intègre la totalité de la langue, y compris donc des dizaines de milliers de noms concrets. Une question se pose donc, du point de vue théorique : le DEM, en intégrant la multitude des lexèmes non prédicatifs s’écarte-t-il du projet des lexiques-grammaires issu des grammaires de Harris ?

  • 22 Laboratoire de Linguistique Informatique (LLI), CNRS & Université Paris 13. Fondateur et directeur  (...)

92Les travaux de Gaston Gross et de son équipe le LLI22, complètement indépendants de ceux de Dubois et Dubois-Charlier, montrent qu’un traitement des mots non prédicatifs est possible dans le cadre théorique des grammaires de Harris. La notion théorique qui permet cette approche est celle de sélection lexicale, qui découle de celle de distribution du prédicat : étant donné un prédicat quelconque, il y a des restrictions sur le choix des éléments qui constituent sa structure argumentale. A partir des classes de prédicats, on peut définir les classes de mots (prédicatifs ou non prédicatifs) qu’ils sélectionnent (ce fut là la tâche des chercheurs du LADL). Mais le chemin inverse est possible : définir les classes d’arguments en prenant en compte les prédicats qui les sélectionnent spécifiquement.

  • 23 Plusieurs publications illustrent la notion de classe d’objets en esquissant la forme d’un dictionn (...)

93Ces classes d’arguments furent appelées par Gaston Gross classes d’objets ; les prédicats associés aux classes d’objets furent appelés prédicats appropriés. Les classes d’objets peuvent être des classes de prédicats ; par exemple les classes de noms de spectacles (ex. représentation Adj, séance de N) sont sélectionnées par des prédicats appropriés tels que donner, assister à. Mais les classes d’objets peuvent être également des classes de noms non prédicatifs, et c’est à ce cas particulier que nous sommes en train de nous attacher : par exemple, les classes d’objets de nourriture et boissons ont pour prédicats appropriés des verbes tels que prendre (dans un de ses multiples emplois), goûter et déguster23.

94Revenons au DEM. Il se trouve que tous les noms, qu’ils soient ou non prédicatifs sont corrélés, grâce au Champ OP1, à des Classes de LVF (cf. Section 1.3 et Figure 5). Il s’ensuit de facto que les noms non prédicatifs sont corrélés avec leurs prédicats appropriés. Cette constatation doit être assortie d’une réserve : la corrélation est souvent approximative, car les verbes de chaque Classe de LVF mentionnée dans le champ OP1 ne correspondent pas tous à leur corrélat du DEM.

95L’un de nous deux, Denis Le Pesant, est frappé, plus de 25 ans après la publication d’un article d’illustration de la théorie des classes d’objets (Le Pesant 1994) qui faisait l’esquisse d’une sorte de thésaurus de l’Ecriture et des Supports de l’écriture, par l’élévation considérable du niveau de faisabilité du projet que permettrait aujourd’hui l’exploitation conjointe de LVF et du DEM.

96Considérons de façon privilégiée, comme l’avait fait Le Pesant (1994), les prédicats appropriés des noms de texte (ex. lire) par rapport aux classes d’objets d’écrits. Le verbe lire est le prédicat approprié le plus général et il n’avait été jugé nécessaire de chercher d’autres prédicats appropriés des noms d’écrits que lire, relire, déchiffrer et décrypter. Si la base de données de LVF avait été disponible, il aurait suffi de prélever dans la Classe P3b les verbes et noms déverbaux qui nous intéressent, ceux dont l’Opérateur est « scrut texte », à savoir : analyser (analyse), approfondir (approfondissement), compulser, creuser, décortiquer, dépiauter, disséquer, éplucher, explorer, interroger, lire (lecture), relire #1, relire #2 (pour corriger), relecture, etc.

97Pour ce qui est des prédicats d’écriture il aurait été facile de recenser, en se référant à la Classe R4a de LVF, de nombreuses modalisations de écrire et rédiger, telles que accoucher de, bâtir, composer (composition), commettre, compiler (compilation), composer (composition), esquisser (esquisse), expédier, pisser, pondre, trousser etc. On aurait aussi trouvé dans LVF les prédicats de publication (éditer, publier ; édition, publication, etc.).

98Passons aux classes d’objets sélectionnées par les classes de prédicats de lecture et d’écriture. On aurait pu faire d’abord dans le DEM la requête suivante :

Tableau 15

CONT

DOM

OP

lire N

txt

99On obtient alors la liste des noms référant à ce qui se lit sans être pour autant nécessairement un texte suivi. On les trouve notamment les Domaines suivants : ADMinistration (Ex. feuille de soins), ASTronomie (Ex. éphéméride), BIOlogie (Ex. spermogramme), DROit (Ex. charte), ECN (Ex. registre), ENSeignement (Ex. encyclopédie), LITtérature (Ex. roman), MEDecine (Ex. électro-cardiogramme), MUSique (Ex. livret d’opéra), PREsse (Ex. magazine), RELIGion (Ex. missel).

100Passons maintenant aux classes d’objets d’Ecrits. Il s’agit de noms non prédicatifs. Si on avait eu à disposition le DEM, en effectuant la requête suivante :

Tableau 16

CONT

DOM

OP

écrire N

txt

101on pouvait relever près de 1000 noms de textes rédigés, et ensuite affiner le tri en fonction des Domaines suivants :

ADMinistration (Ex. procès-verbal), CINéma (Ex. scénario), DROit (Ex. testament), ECNomie (Ex. devis), ENSeignement (Ex. dissertation), LINguistique (Ex. thésaurus), LITtérature (Ex. épopée, pamphlet), METRique (Ex. tercet), POLitique (Ex. tract), PREsse (Ex. éditorial), RLGion (Ex. encyclique).

102L’article de Le Pesant (1994) traitait aussi des classes d’objets de supports de l’écriture. Elles sont accessibles dans le DEM avec la recherche suivante :

Tableau 17

CONT

DOM

OP

écrit sur N

x

txt

103Les principaux Domaines concernés sont : ADMinistration (carte-grise), ECN (bulletin-réponse), RELIGion (phylactère) et ECRiture (calepin).

104D’autres parties du DEM rassemblent les noms d’auteurs (ceux qui écrivent, tels auteur et journaliste) et les noms de signes graphiques (qui se « lisent » également, mais dans un autre emploi du verbe lire).

105Force est de constater que les recherches de Gaston Gross et de Jean Dubois & Françoise Dubois-Charlier, pour indépendantes les unes des autres qu’elles soient, ont un point commun qui les rattache étroitement aux principes théoriques de Harris. Il s’agit de l’intention déjà citée de Dubois & Dubois-Charlier (cf. supra Section 3.1) et que nous répétons ici :

– d’une part, essayer de faire en sorte que l’enchaînement des éléments contenus dans les rubriques pour un mot donné aboutisse à la formation d’une phrase élémentaire (axe syntagmatique) ;

– d’autre part, essayer de faire en sorte que chaque étiquette employée dans une rubrique pour un mot se retrouve dans la même pour d’autres mots, définissant ainsi une classe de mots (axe paradigmatique).

(Dubois & Dubois-Charlier 2010 : 179) 

Conclusion

106Nous avons, dans cet article sur les deux dernières productions de Jean Dubois et Françoise Dubois-Charlier, visé six objectifs :

- rappeler l’inscription de ces dictionnaires dans le courant théorique initié par Zellig Harris et continué par Maurice Gross et son équipe, le LADL : celui des grammaires distributionnelles et transformationnelles ;

- constater que ce courant théorique se caractérise par la pratique d’un nouveau type de lexicographie : une lexicographie informatisée disponible pour le TAL ;

- effectuer un rapprochement entre l’entreprise du DEM et les travaux de Gaston Gross et de son équipe, le LLI ;

- montrer que l’ouvrage colossal mais inachevé qu’est le DEM constitue, en dépit de ses obscurités et imperfections, une sorte de « matière première » d’une grande valeur pour les recherches linguistiques et pour le TAL ;

- mettre en évidence la complémentarité des Verbes Français et du Dictionnaire Electronique des Mots

- renouveler et améliorer les interfaces de consultation de LVF et du DEM mises à la disposition du public par l’Université de Montréal.

107Sur ce dernier point, la publication de cet article aura été l’occasion d’une refonte en profondeur des outils de consultation disponibles sur un site de l’Université de Montréal (cf. supra, Introduction). Il est apparu indispensable que soit développée une approche intégrée de LVF et du DEM, que nous avions jusqu’à présent considérés comme indépendants alors qu’ils doivent être considérés comme complémentaires l’un de l’autre, ce qui était d’ailleurs incontestablement le cas dans l’esprit des deux auteurs. Nous espérons que ces nouveaux outils de consultation contribueront à l’augmentation de la notoriété des dictionnaires informatisés du français de Jean Dubois et Françoise Dubois-Charlier auprès de la communauté des chercheurs, non seulement en linguistique mais aussi en TAL.

Haut de page

Bibliographie

Bédaride, P. (2012). « Raffinement du Lexique des Verbes Français », in Actes de la conférence conjointe JEP-TALN-RECITAL 2012, volume 2 : TALN. ATALA/AFCP : 155-168. [http://www.aclweb.org/anthology/F/F12/F12-2012]

Boons, J.-P., Guillet, A., Leclère, Ch. (1976). La structure des phrases simples en français, I Constructions intransitives. Genève : Droz.

Chevalier, J.-C., Encrevé, P. (2006). Combats pour la linguistique, de Martinet à Kristeva. Lyon : ENS Editions.

Daladier, A. (1990) éd. Les grammaires de Harris et leurs questions, in Langages n° 99. Paris : Larousse.

Danlos, L., Nakamura, T. Pradet, Q. (2014). « Vers la création d’un Verbnet français », in TALN-RECITAL 2014, Workshop FondamenTAL 2014, « Ressources lexicales et TAL. Vue d’ensemble sur les dictionnaires électroniques de Jean Dubois et Françoise Dubois-Charlier »

Devlin, J., Chang M.-W., Lee, K., Toutanova, K. (2019). « BERT: Pre-training of deep bidirectional transformers for language understanding », in Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Volume 1 (Long and Short Papers), Association for Computational Linguistics, pp. 4171-4186. Minneapolis, Minnesota, June 2019.

Dostie, G., Tutin, A. (dir) 2019. Les phrases préfabriquées, in Cahiers de Lexicologie n° 114. Paris : Classiques Garnier.

Dubois, J. et Dubois-Charlier, F. (1997 a). Les verbes français (LVF). Version informatisée (environ 26 000 entrées). Version LVF +1 (Micosoft-Excel) : https://www.modyco.fr/fr/base-documentaire/ressources/jean-dubois.html. Versions JSON et XML : http://rali.iro.umontreal.ca/rali/?q=fr/versions-informatisees-lvf-dem

Dubois, J. et Dubois-Charlier, F. (1997 b). Les Verbes français (LVF), 428 pages. Paris : Larousse.

Dubois, J. et Dubois-Charlier, F. (2011). « La combinatoire lexico-sémantique dans le Dictionnaire Electronique des Mots. Les termes du domaine de la musique à titre d'illustration », in Leeman et Sabatier (éds), Langages n° 179-180. Paris : Paris : Armand Colin. 31-56.

Dubois, J. et Dubois-Charlier, F. (2020). Dictionnaire Electronique des Mots (DEM). Version Micosoft-Excel : https://www.modyco.fr/fr/base-documentaire/ressources/jean-dubois.html. Versions JSON et XML : http://rali.iro.umontreal.ca/rali/?q=fr/versions-informatisees-lvf-dem

Dutoit, D., François, J. (2007). « Changer et ses synonymes majeurs entre syntaxe et sémantique », in Langue Française n° 153, pp. 40-57. Paris : Larousse.

François, J. (2017). « A quel titre le passif concerne-t-il les lexicographes ? Les Verbes Français et la perspective passive », in Etudes de Linguistique Appliquée n° 187, pp. 297-309. Paris : Klincksieck.

François, J., Le Pesant, D., Leeman, D. (2007). « Présentation de la Classification des Verbes Français, de Jean Dubois et Françoise Dubois-Charlier », in Langue Française 153, pp. 3-19. Paris : Larousse.

Giry-Schneider, J. (1987). Les prédicats nominaux en français. Les phrases simples à verbe support. Genève-Paris : Droz.

Gross G. (1989). Les constructions converses du français. Genève-Paris : Droz.

Gross G. (1992). « Forme d'un dictionnaire électronique », in A. Clas et H. Safar (éd.), L'environnement traductionnel, pp. 255-271. Sillery : Presses de l'Université de Québec.

Gross G. (1994). « Classes d’objets et description des verbes », in Langages n° 115, pp 15-30. Paris : Larousse.

Gross, G. (1998). « Pour une véritable fonction synonymie dans un traitement de texte », in Langages n° 131, pp. 103-114. Paris : Larousse

Gross, M. (1975). Méthodes en syntaxe, régime des constructions complétives. Paris : Hermann.

Gross. M. (1981). Les bases empiriques de la notion de prédicat sémantique, in Langages n° 63, pp. 7-52. Paris : Larousse.

Guillaume, B., Fort, K., Perrier, G., Bédaride, P. (2014). « Mapping the Lexique des Verbes du Français (Lexicon of French Verbs) to a NLP Lexicon using Examples », in International Conference on Language Resources and Evaluation (LREC), May 2014. Reykjavik, Iceland.

Guillet, A., Leclère, Ch. (1992). La structure des phrases simples en français, II Constructions locatives. Genève : Droz.

Harris, Z. (1976). Notes du cours de syntaxe. Paris : Le Seuil.

Johnson, M., Schuster M., Le, Q. V., Krikun M., Wu Y., Chen Z., Thorat N., Viegas, F., Wattenberg M., Corrado, G., Hughes M., Dean, J. (2017). « Google’s multilingual neural machine translation system: Enabling zero-shot translation ». Transactions of the Association for Computational Linguistics n° 5:339–351.

Leeman, D., Sabatier, P. (2010) (éds). Empirie, Théorie, Exploitation : le travail de Jean Dubois sur les verbes français, in Langages n° 179-180. Paris : Larousse.

Le Pesant D. (1994). « Les compléments nominaux du verbe lire », in Langages n° 115, pp. 31-46. Paris : Larousse.

Le Pesant D., Mathieu-Colas M. (1998). « Introduction aux classes d'objets », in Langages n° 131, pp. 6-33. Paris : Larousse.

Lewis , N. (1978). New Rogets Thesaurus. Berkley Publishing Group.

Mathieu-Colas, M. (1998). « Illustration d'une classe d'objets : les voies de communication », in Langages n° 131, pp. 77-90. Paris : Larousse.

Mazziotta, N. (2014). « Analyse exploratoire des propriétés sémantiques et syntaxiques des verbes « psychologiques » (classe P) dans Les Verbes Français », in JADT 2014 : 12èmes Journées internationales d’Analyse statistique des Données Textuelles. Paris : Université Paris 3.

Mel’čuk, Igor. (1997) Vers une linguistique Sens-Texte. Leçon inaugurale (faite le Vendredi 10 janvier 1997), Collège de France, Chaire internationale, 43 pages. http://olst.ling.umontreal.ca/pdf/melcukColldeFr.pdf

Mikolov, T., Sutskever, I., Chen, K., Corrado, G., Dean, J. (2013). « Distributed representations of words and phrases and their compositionality », in Proceedings of the 26th International Conference on Neural Information Processing Systems - Volume 2 (NIPS’13). Curran Associates Inc., Red Hook, NY, USA, 3111-3119.

Miller, G. A. (1995). « WordNet: A Lexical Database for English », Communications of the ACM Vol. 38, N° 11: 39-41.

Norman Lewis (1978). The New Roget's Thesaurus of the English Language in Dictionary Form. New York : G.P. Putnam's Sons.

Paroubek, P., Chaudiron, S, Hirschman, L. (2007). « Principles of Evaluation in Natural Language Processing », Traitement Automatique des Langues, ATALA, 2007, 48 (1), pp.7-31.

Perrin, D. (1989). « Automates et algorithmes sur les mots », in Annales des Télécommunications, Tome 44, n° 1-2, pp. 20-33.

Robert, P. (1980). Dictionnaire alphabétique et analogique de la langue française. Paris : Société du Nouveau Littré.

Ruppenhofer J., Ellsworth M., Petruck M.R.L., Johnson C.R., Baker C. F., Scheffczyk J.: FrameNet II: Extended Theory and Practice (2016.) https://framenet2.icsi.berkeley.edu/docs/r1.7/book.pdf

Sabatier, P., Le Pesant, D. (2013). « Chapitre 5. Les dictionnaires électroniques de Jean Dubois & Françoise Dubois-Charlier et leur exploitation en TAL », in Gala, N. et Zock, M. Ressources Lexicales, pp. 153-186. Amsterdam : John Benjamins.

Salkoff, M. (1980). Analyse syntaxique du français : Grammaire en chaîne. Amsterdam : John Benjamins.

Silberztein, M. (2010). « La formalisation du dictionnaire LVF avec NooJ et ses applications pour l’analyse automatique de corpus », in Langages n° 179-180, pp. 31-56. Paris : Armand Colin.

Silberztein, M. (2015). La formalisation des langues. L’approche de NooJ. London : Iste Editions.

Trouilleux, F. (2018). « Le DM, a French Dictionary for NooJ », in Vučković, Bekavac and Silberztein, Automatic Processing of Various Levels of Linguistic Phenomena: Selected Papers from the NooJ 2011 International Conference. Cambridge, Scholars Publishing, pp.16-28, 2012, 1-4438- 3711-3.ff  hal-00702348f.

Van den Eynde, K., Mertens, P. (2006). Dictionnaire de valence des verbes français : manuel d'utilisation <http://bach.arts.kuleuven.be/dicovalence/manuel_100625.pdf>

Vivès, R. (1983). Avoir, prendre perdre : constructions à verbe support et extensions aspectuelles. Thèse de doctorat, Université Paris VIII, LADL.

Wang, D., Wang X., Lv, S. (2019). « An overview of end-to-end automatic speech recognition », in Symmetry, 11(8).

Haut de page

Notes

1 Le LADL (Laboratoire d’Automatique Documentaire et Linguistique) est l’unité de recherche du CNRS et de l’Université Paris-Jussieu que Maurice Gross dirigea du début des années 1970 jusque peu de temps avant sa mort.

2 Tout prédestinait Maurice Gross, à l’époque des débuts de l’informatique, à donner à ses dictionnaires un format approprié au traitement informatique. En effet, avant d’être linguiste, il fut mathématicien et ingénieur informaticien. Très lié à Marcel-Paul Schützenberger, un des principaux fondateurs de l’informatique théorique et coauteur du théorème dit « de Chomsky-Schützenberger », il fut recommandé par Chomsky à Z. Harris, qui à son tour souhaitait donner une forme mathématique correcte à ses grammaires. A ce sujet on pourra consulter Chevalier & Encrevé (2006 : 251-261).

3 Pour une meilleure lisibilité, les champs consacrés aux variantes dérivationnelles (ex. suffixations en –ant et en –able) ont été supprimés dans cette image.

4 Verbes simples (67 tables regroupant 13 872 entrées) ; noms prédicatifs simples et composés (81 tables regroupant 14 271 entrées) ; expressions figées principalement verbales et adjectivales (69 tables regroupant 39 628 entrées) ; adverbes simples et figés (32 tables regroupant 10 448 entrées)

5 Il est téléchargeable en format Microsoft-Excel à partir de : http://infolingu.univ-mlv.fr/DonneesLinguistiques/Lexiques-Grammaires/Telechargement.html

6 Dans sa Syntaxe de l’adverbe (1987), M. Gross présente un lexique-grammaire de 6400 adverbes. Ils sont répartis entre 16 classes : une seule classe de 520 adverbes simples, tel soudain, et 15 classes de 5880 figés, tel en désespoir de cause.

7 Pour une meilleure lisibilité, les champs concernant les registres et les régionalismes ont été éliminés de cette image, ainsi que les champs flexionnels et dérivationnels.

8 JSON est l’acronyme de JavaScript Object Notation : https://www.json.org/json-fr.html

9 http://jsonlines.org

10 Cette interface JSON ainsi qu’une documentation détaillée sont accessibles à : http://rali.iro.umontreal.ca/rali/?q=fr/versions-informatisees-lvf-dem

11 Les requêtes les plus simples peuvent être traitées par de simples expressions régulières plutôt que par des grammaires locales.

12 NooJ est téléchargeable à partir de http://www.nooj-association.org/. En corrélation avec le présent article, un petit dictionnaire NooJ des verbes de la Classe C2b ainsi qu’une grammaire NooJ sont disponibles à http://denis.lepesant.pagesperso-orange.fr/ de façon à permettre la reproduction de la démonstration qui va suivre.

13 Le symbole T15a8  code les propriétés syntaxiques suivante : verbe transitif direct (« T »), à sujet humain (« 1 »), à proposition subordonnée complétive que P ou infinitive (« 5 »), à complément second indirect en à (« a »), relié morphologiquement à un nom (« 8 »).

14 Par exemple, dans le champ CONSTR le codage « On le lui a » amalgame les informations suivantes : sujet humain, complément premier non humain, complément second humain datif.

15 Le DM est dû à François Trouilleux (cf. Trouilleux 2018).

16 Les éléments de couleur jaune de la grammaire renvoient à des sous-grammaires.

17 Sur ces 32 occurrences, 9 correspondent à une analyse erronée, à chaque fois à cause du verbe permettre, qui peut avoir, avec un autre sens, un sujet non humain, comme dans « cet espace que les exhalaisons salines défendent aux oiseaux de traverser ». Ce fait met en évidence un défaut dans la grammaire locale de la Figure 4.

18 Ce document est disponible à http://rali.iro.umontreal.ca/rali/?q=fr/versions-informatisees-lvf-dem.

19 Dans le « Grand Robert » (Robert 1980), les premières entrées concernent les différents emplois du nom a, du préfixe a-, et de la préposition à ; ensuite figure la locution ab absurdo (en 7ème position) et le nom abaca (en 8ème position par ordre alphabétique). Dans le DEM, ab absurdo est absent (au profit de ab intestat, ab irato et ab ovo, ce dernier mot figurant en 956ème position), et le nom abaca figure en 957ème position par ordre alphabétique.

20 Cf. les articles d’Agnès Tutin et de Denis Le Pesant sur les Phrases Préfabriquées des Interactions, dans Dostie & Tutin (2019).

21 Le caractère abscons des codages s’explique en partie par le fait que les auteurs ont toujours travaillé sur une base de données ancienne (Dbase) qui exigeait un nombre limité de caractères par champ.

22 Laboratoire de Linguistique Informatique (LLI), CNRS & Université Paris 13. Fondateur et directeur : Gaston Gross.

23 Plusieurs publications illustrent la notion de classe d’objets en esquissant la forme d’un dictionnaire articulant des classes de noms non prédicatifs avec les classes correspondantes de prédicats appropriés. C’est le cas notamment des articles de Gaston Gross (1992 et 1994), Le Pesant (1994), Le Pesant & Mathieu-Colas (1998) et Mathieu-Colas (1998).

Haut de page

Table des illustrations

Titre Tableau 1 : Version simplifiée de la Table 4 des verbes (V_4lgt.xls) du lexique-grammaire3, diffusée sur le site Infoling de l’Université de Marne-la-Vallée et correspondant à la Table 4 de M. Gross (1975))
URL http://journals.openedition.org/linx/docannexe/image/6671/img-1.png
Fichier image/png, 50k
Titre Tableau 2 : les 14 classes syntactico sémantiques de LVF
URL http://journals.openedition.org/linx/docannexe/image/6671/img-2.png
Fichier image/png, 20k
Titre Tableau 3 : Extrait de LVF + 1, tri par ordre alphabétique des entrées (version abrégée)7
URL http://journals.openedition.org/linx/docannexe/image/6671/img-3.png
Fichier image/png, 88k
Légende Figure 1 : Requête sur LVF selon les critères du Domaine, de la Classe et de l’Opérateur
URL http://journals.openedition.org/linx/docannexe/image/6671/img-4.jpg
Fichier image/jpeg, 268k
Légende Figure 2 : Requête sur le DEM selon les critères du Domaine, du Contenu et de la présence du mot « bœuf »
URL http://journals.openedition.org/linx/docannexe/image/6671/img-5.jpg
Fichier image/jpeg, 274k
Légende Figure 3 : Dictionnaire NooJ des verbes de la Classe C2b T5a8 de LVF
URL http://journals.openedition.org/linx/docannexe/image/6671/img-6.png
Fichier image/png, 710k
Légende Figure 4 : Grammaire locale NooJ pour l’analyse et l’annotation des phrases à verbe appartenant à la Classe C2b T5a8 de LVF
URL http://journals.openedition.org/linx/docannexe/image/6671/img-7.png
Fichier image/png, 75k
Légende Figure 5 : Extrait de la concordance NooJ résultant de l’application de la grammaire locale de la Figure 3 à Béatrix de Balzac
URL http://journals.openedition.org/linx/docannexe/image/6671/img-8.png
Fichier image/png, 146k
Légende Figure 6 : les 18 premières des 145 197 entrées du DEM
URL http://journals.openedition.org/linx/docannexe/image/6671/img-9.jpg
Fichier image/jpeg, 253k
Titre Tableau 14
URL http://journals.openedition.org/linx/docannexe/image/6671/img-10.png
Fichier image/png, 2,3k
Haut de page

Pour citer cet article

Référence électronique

Guy Lapalme et Denis Le Pesant, « Deux dictionnaires informatisés de Jean Dubois et Françoise Dubois-Charlier, leurs ultimes travaux »Linx [En ligne], 80 | 2020, mis en ligne le 10 juillet 2020, consulté le 11 juillet 2024. URL : http://journals.openedition.org/linx/6671 ; DOI : https://doi.org/10.4000/linx.6671

Haut de page

Auteurs

Guy Lapalme

Université de Montréal

Denis Le Pesant

Université de Paris Nanterre

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