1Les systèmes graphiques du français du xviie s. restent peu étudiés, en dépit de leur grande richesse. Contrairement à d’autres époques ou d’autres phénomènes (syntaxiques, lexicaux, etc.), cette sous-exploitation concerne aussi la variété la plus prestigieuse de la langue, celle des auteurs dits classiques. Les éditions de leurs textes restent en effet encore douteuses (Duval, 2015), notamment concernant le vêtement graphique original qui est (presque) toujours abandonné au profit du français contemporain (Gabay, 2014), rendant l’analyse graphématique de la langue du Grand Siècle plus laborieuse que pour les époques précédentes.
2La linguistique descriptive est tout particulièrement concernée par cet oubli, d’autant plus problématique que le français, langue de Molière, ne cesse de désigner le xviie s. comme sa principale source, notamment pour l’orthographe. La persistance de cet angle mort n’est pas souhaitable pour de multiples raisons, comme celle d’une perception incomplète du changement linguistique en français – question que nous avons récemment abordée ailleurs (Gabay et al., 2022) – mais pas uniquement. D’autres pans de la romanistique sont aussi concernés, comme l’ecdotique. Les nouvelles possibilités offertes par l’informatique permettent désormais l’automatisation de certaines tâches, comme les relevés et l’analyse linguistiques, qui s’intéressent de près aux graphies : il nous faut donc fournir aux éditeurs les moyens non seulement intellectuels, mais aussi techniques de simplifier et accélérer l’étude des systèmes graphiques auxquels ils se retrouvent confrontés, et ainsi favoriser l’établissement de textes de meilleure qualité, présentant une langue dont le vêtement graphique est moins retouchée et mieux décrite.
3Le rendement interprétatif de l’étude des systèmes graphiques dépasse cependant de loin ce simple cadre linguistico-ecdotique. Recoupant en grande partie l’opposition entre les Anciens et les Modernes (Biedermann-Pasques, 1992), les tergiversations graphématiques des auteurs rendent potentiellement compte de prises de positions politiques, informant de ce fait, par des voies inhabituelles, l’histoire de la littérature. Le cas de Pierre Corneille est certainement le plus célèbre (Pellat, 1992), mais n’est pas unique : si les imprimeurs ont joué un rôle important dès le xvie s. (Baddeley, 1996 et Riffaud, 2007), l’étude attentive des imprimés et des manuscrits permet de retrouver la langue des auteurs, et ainsi de révéler des trajectoires intellectuelles, des dissonances idéologiques ou des logiques de circulation textuelle.
4Après un bref retour sur la question des grands courants et écoles orthographiques du français, avec des systèmes graphiques recatégorisés pour l’occasion en scriptae, nous nous pencherons sur la conception d’une typologie propre à l’analyse scriptométrique. Si la détection automatique des scriptae doit en effet s’appuyer sur les travaux des linguistes, la logique computationnelle n’est pas strictement identique aux approches traditionnelles et nécessite des aménagements pour des raisons techniques comme méthodologiques. Cette approche étant nouvelle en linguistique diachronique, nous terminons cet article en l’évaluant sur un cas connu (celui des imprimés de Boileau) pour démontrer l’intérêt d’une analyse computationnelle des scriptae à l’époque classique, à même d’être reproduite par tous les éditeurs et linguistes qui pourraient être intéressés.
- 1 Notons que si stricto sensu l’orthographe renvoie à une manière correcte d’écrire une langue, elle (...)
5Si la littérature scientifique tend à parler d’« orthographe » pour décrire la forme écrite du français des xvie et xviie s., le terme nous parait problématique, car aucune « forme correcte » ne peut à cette époque être déduite d’un standard toujours en formation. Plutôt qu’une orthographe, il nous semble qu’on observe des « usages individuels » et des « systèmes graphiques », pour reprendre la terminologie des médiévistes1. Ces systèmes graphiques, qu’il faut distinguer de leur réalisation orale, sont constitués de faisceaux de traits cohérents, restent perméables les uns aux autres et peuvent être rassemblés en grands groupes, à la manière des scriptae médiévales – un terme que nous nous proposons de transposer à l’époque moderne.
6Les médiévistes pourront s’étonner de cette utilisation du terme, mais rappelons que Remacle lui-même précise que « l’expression ‘la scripta’ est synonyme de l’allemand ‘die Schriftsprache’ » (1948 : 21) : la scripta est donc tout simplement une langue écrite. L’objectif de Remacle de distinguer « un trait du dialecte réel [de] ce qui est seulement un caractère graphique de la scripta » (Remacle, 1948 : 27) n’est alors qu’un des usages possibles d’une Schrifsprache. Remacle précise aussi que la scripta désigne « la langue vulgaire écrite au moyen âge » (1948 : 21), ce qui fait sens étant donné l’importance des traits dialectaux présents dans la langue écrite médiévale, mais pourrait être perçu comme trop restrictif si l’on pense à la persistance de tels traits aux siècles suivants (Bergeron-Maguire, 2019). Par ailleurs, si « [Skripta] bedeutet zunächst ‘mittelaterliche Schriftsprache’ und umgeht im Französischen die Vieldeutigkeit der Bezeichnungen ‘langue écrite’ und ‘langue littéraire’ » comme l’explique Gossen (1967 : 5), pourquoi encore une fois restreindre l’usage de scripta au Moyen Âge ? L’ambiguïté des termes « langue écrite » et « langue littéraire » ne nous semble pas propre au Moyen Âge.
- 2 Cf. aussi H. Goebl qui se propose d’étudier les scriptae « avant leur unification sous l’hégémonie (...)
- 3 Nous prolongeons donc la remarque d’H. Goebl, selon qui « Toute scripta est donc un continuum hybri (...)
7Nous rejoignons la définition de St. Koch, selon qui le terme de scripta a été conçu « para designar textos no latinos en la ‘lengua vulgar’ (romance) antes de la existencia de un estándar en el sentido moderno » (Koch, 2013 : 596)2. Il ne s’agit nullement de nier la spécificité de la langue médiévale, sur laquelle insistent tous les chercheurs que nous venons de citer, mais l’étude des Schriftsprachen avant la standardisation ne peut se limiter uniquement à l’étude de la correspondance entre le code graphique et une variation phonétique : il convient d’ajouter à la dimension diatopique de la scripta d’autres dimensions3, comme la dimension diastratique, afin de rendre compte de sociolectes actifs pendant le Grand Siècle.
Tableau 1. Exemples d’opposition entre graphie ancienne et graphie moderne
|
Anciens
|
Modernes
|
Lettres ramistes
|
Position (vniuers)
|
Dissimilation (univers)
|
Ancien hiatus
|
maintenu (veu)
|
supprimé (vu) ou accent circonflexe (vû)
|
Lettre calligraphique
|
maintenue (ay)
|
supprimée (ai)
|
Pluriel nominal
|
-s, -z, -x
|
-s
|
Consonne muette (diac., étym., hist.)
|
maintenue (doubte)
|
supprimée (doute)
|
Voyelles longues
|
dédoublement (aage)
|
circonflexe (âge)
|
- 4 On retrouvera une analyse plus précise dans Pellat (1994).
8La critique a retenu une tension entre deux grandes tendances à l’époque moderne qui, si elles rendent imparfaitement compte de toute la richesse de la variation, permettent une compréhension des grands enjeux politico-linguistiques de l’époque. Nous trouvons d’une part l’« orthographe ancienne », qui maintient contre l’évolution de la langue le lien avec substrat latin, et d’autre part l’« orthographe moderne », qui milite pour l’adoption d’un code graphique mieux adapté au français. En pratique, cette opposition théorique s’organise notamment (mais pas uniquement) en trois grands pôles (cf. tab. 1)4 :
le système alphabétique, avec les couples <i>/<j> et <u>/<v> (par ex. vniuers vs univers) conçus comme des variantes graphiques (majuscule, initiale…) ou phonogrammiques (phonème voyelle vs. phonème consonne) ;
les logogrammes lexicaux, avec l’utilisation ou la suppression de consonnes muettes, qu’elles soient historiques (donner vs doner < lat. donare) ou étymologiques (douter vs doubter < lat. dubitare) ;
les signes auxiliaires, avec l’utilisation de lettres diacritiques plutôt que d’accents ou de trémas (hôpital vs hospital < empr. au lat. hospitalis).
9Plus que deux « orthographes », ce système d’opposition renvoie à des courants profonds, très précocement actifs dans l’histoire du français avec d’une part l’adoption d’un code graphique « correspondant à la tradition romane primitive » (Pellat, 1994), et d’autre part une volonté de relatiniser le français qui apparait dès le xive s. (Brazeau et Lusignan, 2004). Il convient donc de différencier ces grands courants de leur réalisation à l’époque moderne, raison pour laquelle nous souhaitons réintroduire le terme de scripta afin de décrire un type de variation linguistique propre à cette époque, en prenant soin de distinguer les scriptae romanes, nées spontanément du latin, des scriptae françaises, apparues en français après le Moyen Âge.
10Nous nous proposons de distinguer deux scriptae françaises : celle « des Anciens », défendue par quelques grammairiens de l’époque voulant inscrire l’histoire du français dans sa forme écrite, et celle « des Modernes », rompant avec cet héritage linguistique au profit d’innovations pensées comme salutaires. Cette terminologie choisit délibérément de s’aligner sur les deux factions animant la célèbre Querelle des Anciens et des Modernes (Fumaroli, 2001), dont elle rejoue linguistiquement l’opposition intellectuelle entre tradition et réforme, vis-à-vis de laquelle chacun était tenu à l’époque de se positionner, comme le fit Bossuet (1627-1704) dans les Cahiers de Mezeray :
[La compaignie] ne peut souffrir une fausse regle qu’on a uoulu introduire, d’écrire comme on prononce, parce qu’en uoulant instruire les étrangers et leur faciliter la prononciation de nostre langue, on la fait meconnoistre aux François mesmes. Si on ecrivoit tans, chan, cham, emais ou émés, connoissans, anterreman, faisaict, qui reconnoistroit ces mots ? […] Il y a aussi une autre ortographe, qui s’attache scrupuleusement a toutes les lettres tirées des langues dont la nostre a pris ses mots, et qui ueut ecrire nuict, ecripture, etc. Cella blesse les yeux d’une autre sorte en leur remettant en ueüe des lettres dont ils sont desaccoustumez et que l’oreille n’a iamais connus [sic]. (Cahiers de remarques…, 1863 : xiv).
11Un coup d’œil sur la documentation manuscrite révèle, derrière ces déclarations théoriques pourtant limpides de 1673, toute la complexité de la pratique personnelle de Bossuet. L’abbé Lebarq, qui s’est longuement penché sur les autographes lors de l’édition des Œuvres oratoires de l’Aigle de Meaux, a ainsi démontré la variation du système graphique bossuetien au cours du temps et les potentialités herméneutiques de cette évolution (Bossuet 1890, t. 2 : vi ; cf. tab. 2).
Tableau 2. Exemples de l’évolution du système graphique de Bossuet (le mot-vedette est la version contemporaine des formes classiques).
Manuscrit
|
tant
|
être
|
cette
|
même
|
paraître
|
avec
|
a-t-il
|
BNF Fr. 12822, f°370, Brièveté de la vie, 1648 (Bossuet, 1890, t. 2 : vi).
|
tans
|
estre
|
Ceste
|
mesme
|
parêtre
|
auecque
|
a t’il
|
BNF Fr. 12823, f°130, Fête du Rosaire, oct. 1651 (Bossuet, 1890, t. 2 : 61).
|
tans
|
être
|
cête
|
même
|
parêtra
|
auec
|
a t’il
|
BNF Fr. 12824, f°119, Sur la Providence, mai 1656 (Bossuet, 1890, t. 2 : 146)
|
temps
|
estre
|
ceste
|
mesme
|
paroist
|
auecque
|
a til
|
BNF Fr. 12822, f°61, Sur les démons, fév. 1660 (Bossuet, 1890, t. 2 : 213)
|
temps
|
estre
|
cette
|
mesme
|
Paroistre
|
-
|
atil
|
12Les deux premiers manuscrits, qui ont été écrits avant la fin de ses études (reçu docteur en théologie en 1652), sont marqués par une scripta des Modernes qui voit la suppression des lettres historiques et diacritiques (meme), parfois au profit d’accents (ici circonflexe). Les deux autres manuscrits, écrits alors que Bossuet a rejoint les ordres en Lorraine (1654), témoignent d’un retour rapide à une scripta des Anciens et l’abandon des marqueurs typiques de la modernité à quelques exceptions près (cette). Par l’étude du système graphique, c’est un parcours idéologique qui se dessine, marqué par un lent repli sur la tradition après les années d’université.
- 5 Cette inconsistance reste relativement limitée comparée à celle présente dans la langue médiévale, (...)
13Aux revirements idéologiques, et parfois plus simplement aux effets du temps, il convient d’ajouter l’inconsistance personnelle comme source de variation graphématique5, ainsi que l’observaient déjà des contemporains comme Cl. Buffier :
Il faut observer que ces deux sortes d’ortographe étant en usage, il arrive non-seulement qu’elles sont employées, l’une par certains Auteurs, & l’autre par d’autres ; mais aussi que le même Auteur prenant quelquesfois l’une pour l’autre, les emploie toutes deux sans y penser en divers endroits de ses ouvrages, ou même qu’il suit l’une en certains chefs & l’autre en d’autres chefs. (Buffier 1709 : 410).
14Le phénomène décrit ici peut certainement être rapproché de la notion d’« orthographe actuelle », utilisée par Cl. Vachon pour décrire une Sprachmischung (« mélange des langues ») retenant par exemple des traits des Anciens dans une scripta des Modernes. (Vachon, 2010 : 251).
15L’étude de la variation graphique au xviie s. nécessite une typologie afin de regrouper les occurrences et d’en faire sens. Si plusieurs chercheurs ont proposé des classements, ces derniers posent restent complexe à opérationnaliser d’un point de vue informatique, car ils s’appuient sur des distinctions que la machine n’est pas (encore) capable de faire. L’utilisation d’ordinateurs permet cependant des relevés dans de très grands ensembles, dont il ne faut pas sous-estimer l’utilité.
16Comme nous l’avons dit en introduction, l’étude des systèmes graphiques après le Moyen Âge et avant la standardisation (au moins théorique) du français reste pour partie un angle mort de la recherche. Les travaux fondateurs de Nina Catach (2001) se concentrent essentiellement, pour la période classique, sur les propositions des Remarqueurs et celles de l’Académie, sans étudier dans le détail le contenu des textes qui nous sont parvenus. De telles études ont été menées plus tardivement par Biedermann-Pasques (1992), Pellat (1994) et Vachon (2010), qui reprennent les catégories d’Ancien et de Moderne. Les deux derniers ont tenté de proposer des typologies claires, qui divergent l’une de l’autre. Pellat propose une brève liste de quatorze variantes graphiques majeures, pour lesquelles il oppose à chaque fois la version ancienne et la version moderne :
1. Distinction <i>/<j> et <u>/<v>. Par ex. : ie vs je ou vniuers vs univers ;
2. Graphies de [s] (<c>, <ç>, <s>, <ss>, <sc>). Par ex. : sçavoir vs savoir ou receu vs reçu ;
3. Notation des voyelles longues. Par ex. : aage vs âge ou preste vs prête ;
4. Timbre de E :
a. fermé. Par ex. : estoit vs était ;
b. moyen. Par ex. : fidelle vs fidèle ;
c. ouvert (bref). Par ex. : apres vs après ;
5. Lettre <y> :
a. semi-consonne. Par ex. : ayeux vs aïeux ;
b. calligraphique (par ex. : soy vs soi) ou diacritique (par ex. : suyure vs suivre) ;
c. hiatus. Par ex. : pays vs païs ;
6. Digraphe vocalique :
<au> (par ex. : pseaume vs psaume) et <oi> (par ex. : connoistre vs connaître) ;
ancien hiatus. Par ex. : deu vs dû ;
7. Accent grave : <à> (par ex. : a vs à) et <ù> (par ex. : ou vs où) ; tréma (par ex. : poete vs poëte) ;
8. Voyelles nasales. Par ex. : avanture vs aventure ;
9. Consonnes doubles (diacritiques et historiques). Par ex. : addresser vs adresser ;
10. Consonnes muettes (<c>, <d>, <l>, <g>, <p>, <cq>) étymologiques (par ex. : soubdain<lat. subitānus vs soudain), historique (par ex. : commung vs commun), diacritique (par ex. : beautez vs beautés) ;
11. Lettres grecques. Par ex. : cholere (<lat. cholera, du grec χολέρα> vs colère ;
12. Finales plurielles :
a. pluriels nominaux. Par ex. : loix vs lois ;
b. finales de [e]. Par ex. : venés vs venez ;
c. finale <ant>/<ent>+<s>. Par ex. : perdans vs perdants ;
13. Conjugaisons verbales :
a. P1 du présent de l’indicatif. Par ex. : je voy vs je vois ;
b. P2 de l’impératif. Par ex. : di vs dis ;
14. Accord des participes :
a. participe présent vs adjectif verbal (invariable ou non) ;
b. participe passé (accord avec le participe passé antéposé avec avoir) ;
- 6 À des fins de lisibilité, la description proposée par Cl. Vachon est considérablement simplifiée. D (...)
17À cette description mettant en avant les principaux lieux variants s’ajoute celle de Cl. Vachon, qui concerne, rappelons-le, le xvie s. Contrairement à J.-Ch. Pellat, elle n’articule pas son propos autour de l’opposition graphie ancienne / graphie moderne, mais autour de l’opposition forme concurrente / forme actuelle (la première forme ayant pour caractéristique d’avoir été abandonnée, cf. Vachon, 2010 : 73). Il faut donc déduire, pour chaque cas, ce qui relève des Modernes et des Anciens. Les différentes formes sont classées (plutôt) phonétiquement6 :
1. Voyelles :
a. Orales. Par ex. : oblier vs. oublier ;
b. Diphtongues (par ex. : affoiblir vs. affaiblir) et hiatus (par ex. : accreu vs. accru) ;
c. Nasales. Par ex. : menger vs. manger ;
2. Consonnes :
a. Doubles. Par ex. : atendre vs. attendre ;
b. Muettes et internes. Par ex. : effect vs. effet ;
c. Distinction <i>/<j> et <u>/<v>. Par ex. : ie vs je ou vniuers vs univers ;
3. Variations purement morphographiques :
a. Régularisation du pluriel des thèmes en <-t> : <z>/<ts> et <s>/<ts>. Par ex. : petiz vs. petits ;
b. Morphème adverbial <s>. Par ex. : encores vs. encore ;
c. Désinences verbales. Par ex. : je rend vs. je rends ;
18On le voit, ces deux classements convergent amplement dans leurs constats sur les lieux et les types de variation à de rares exceptions près – ainsi la question des graphies du phonème [s] n’est qu’imparfaitement traitée par Cl. Vachon, qui ne mentionne pas l’alternance <s>/<c> (défense vs défence), mais J.-Ch. Pellat ne mentionne pas le cas du morphème adverbial <-s> (encores). Une typologie plus précise des lieux des variations reste donc encore à établir, mais tel ne peut être notre objet ici pour plusieurs raisons.
19Premièrement, il est impossible d’attendre de la machine qu’elle puisse opérer certains classements à l’heure actuelle. Ainsi, en l’absence d’informations étymologiques computationnellement exploitables, il reste impossible de distinguer parmi les consonnes muettes celles qui sont historiques (dompter<lat. domitare) de celles qui sont étymologiques (compter<lat. computare). De même, en l’absence de transcription phonétique (que l’on serait d’ailleurs bien en peine d’établir pour cette époque), il reste compliqué d’identifier les lettres muettes de celles qui ne le sont pas, ou celles qui ont une valeur diacritique de celles qui n’en ont pas – une même variante pouvant d’ailleurs avoir plusieurs valeurs, le <s> de teste étant à la fois diacritique (longueur de la voyelle) et étymologique (<lat. testa).
20Deuxièmement, l’analyse automatique du système graphique d’un texte ne résulte pas (encore) de l’opérationnalisation des typologies construites par les linguistes que nous venons de présenter, mais de l’analyse ex post des observations faites par la machine. En effet : comment automatiser l’analyse de la variation graphique ? Notre approche est de comparer une transcription aussi diplomatique que possible avec sa version normalisée : une fois les deux versions alignées au niveau des tokens (≈ les mots) et des caractères, il suffit d’observer des lieux de variations (estoit vs était : retrait de <s> et ajout de l’accent aigu + retrait de <o> et ajout de <a>) pour y détecter des grandes tendances, comme détaillé ailleurs (Gabay et al., 2022). Cette approche a plusieurs implications importantes.
1. Tout ne peut être analysé. Les distinctions fines entre lettres étymologiques et les lettres historiques que nous avons préalablement mentionnées passent ainsi inaperçues, mais aussi tous les cas où le français contemporain a conservé une particularité que nous aimerions observer (par exemple le <g> de doigt<lat. digitus).
2. L’analyse par alignement produit un très grand nombre d’occurrences, inexploitables sans post-traitement. Pour remédier à ce problème, nous utilisons la partie d’analyse de l’outil ABA (Poinhos, 2020), qui permet de regrouper sous une même étiquette l’alignement d’une suite de caractères consécutifs, différente dans la version originale et dans la version normalisée du corpus parallèle. Ces regroupements forment des règles, faites principalement des alignements de caractères distincts les plus fréquemment observés, laissant de côté les cas les plus rares.
3. Ces règles doivent être déterminées à l’avance, en analysant un corpus dit gold, c’est-à-dire entièrement transcrit et normalisé à la main – il s’agit dans ce cas du corpus FreEMnorm (Gabay et al., 2022). De taille conséquente et construit avec soin, ce corpus n’est cependant pas représentatif du français du xviie s., et introduit donc un biais dans l’analyse.
4. C’est seulement dans un second temps que l’état de l’art relatif à l’étude de la variation graphique a été pris en compte pour nommer certaines de ces règles en fonction des phénomènes linguistiques qu’elles représentent, éventuellement en fusionnant certaines règles ayant une formulation similaire, par exemple lettres ramistes pour les modifications entre les lettres <i> et <j> ou entre <u> et <v>, ou pour la règle <x>/<z> → <s>.
5. À l’inverse, le code de détection des règles d’analyse est capable d’assurer que chaque caractère du texte obtenu après alignement (intégrant éventuellement des caractères vides dans la version originale, en cas d’alignement avec un mot plus long en version normalisée, ou vice-versa, du type apôtre pour apostre) est concerné au maximum par une seule règle d’analyse. Cette propriété permet de considérer quantitativement des unions de règles avec la garantie qu’elles s’appliquent de manière disjointe, ce qui permet de cumuler les nombres d’occurrences de chaque règle pour obtenir le nombre d’occurrences de la combinaison des règles.
21Le résultat prend la forme d’environ soixante-dix règles7. Pour les raisons précédemment évoquées, nous n’y retrouvons pas toutes celles relevées par J.-Ch. Pellat et Cl. Vachon, ni leur finesse d’analyse. Notre approche informatique offre cependant des nouvelles perspectives, en ouvrant la question des allographes (<ſ> → <s> ou <ß> → <ss>), ou en intégrant des cas qui appartiennent à la lexicologie avec, par exemple, celui des soudures (quoi que → quoique).
22Nos résultats sont loin d’être parfaits, mais certains défauts peuvent être aisément corrigés à moyen terme – notre étude a ainsi valeur de preuve de concept. Dans les cas silencieux où le français contemporain a conservé des consonnes muettes déjà présentes au xviie s. (dompter, doigt, etc.), il est possible de déduire la présence de ces lettres d’une comparaison entre toutes les occurrences d’une même forme à disposition : s’il est impossible d’identifier le <p> en surcharge dans dompter car la forme contemporaine est identique, la présence de la graphie domter dans le même corpus permet de déduire par triangulation la présence d’une lettre muette. Pour les occurrences éliminées du fait de leur faible fréquence mais dont l’importance linguistique est connue, il est possible de les réintroduire dans le système. Concernant le contexte gauche et droit de chaque zone de variation, nos relevés ne sont pas encore assez précis, mais il reste néanmoins possible d’en tenir compte pour affiner les règles que nous utilisons et proposer des sous-règles rendant mieux compte des réalités de la langue classique. Enfin, le corpus gold peut être élargi et mieux balancé afin de corriger les fréquences utilisées pour établir les règles.
23À côté de ces défauts, une telle méthode a plusieurs avantages, et notamment trois. Le premier, précédemment évoqué, est de laisser la machine construire, tout du moins pour partie, le savoir elle-même : le chercheur n’intervient que pour analyser des résultats détectés mécaniquement, offrant un second regard, différent et donc complémentaire. Ce faisant, et c’est notre second point, il est possible d’étudier des phénomènes inédits, parfois considérés comme peu pertinents mais dont la forte fréquence peut être exploitée statistiquement sur de grandes quantités de données (comme le <s> long, témoin du matériel typographique à disposition dans les ateliers, dont l’influence sur la graphie a été étudiée par Biedermann-Pasques, 1992 : 92). Ce type d’analyse de masse est grandement facilité par les nouveaux outils, comme la reconnaissance optique de caractères (manuscrits comme imprimés) et la normalisation automatique (Bawden et al., 2022). Enfin, en dépit des limites dont nous avons fait état, nous pensons que notre approche permet de confirmer des analyses d’ordre philologique, concernant des micro-variations à l’intérieur des textes, comme dans les imprimés de Nicolas Boileau Despréaux.
- 8 Denis [II] Thierry est marchand-libraire et imprimeur : la composition est donc effectuée dans ses (...)
24Afin de valider notre approche computationnelle, nous proposons une analyse de plusieurs corpus liés aux Œuvres diverses du sieur D***, publiées par Boileau chez Thierry en 1674. J.-Ch. Pellat a en effet noté dans les pièces publiées pour la première fois par l’édition Thierry (Art poétique, Lutrin, Traité du Sublime) quelques particularités typiques des habitudes manuscrites de Boileau, particularités dont les textes réimprimés dans le même ouvrage (Satires) sont dépourvus (Pellat, 2001 ; cf. tab. 3)8.
25Le cas est intéressant car il est complexe. Plus que les simples scriptae, voire leur mélange, ce que nous nous proposons de détecter sont donc des traces du système graphique de Boileau, marqué par des traits particulièrement modernes (comme la finale avec accent de la P5 <-és>), se maintenant discrètement en diasystème avec la langue du copiste, plus conservateur dans sa pratique (la finale de la même P5 <-ez>, sans accent). En d’autres termes : sommes-nous capables, sur la base des règles détectées automatiquement, de classifier correctement les différentes parties de l’ouvrage en fonction de leur statut d’inédit ou non, et donc de confirmer l’hypothèse de J.Ch. Pellat ? Question subsidiaire : la comparaison de cet imprimé avec la documentation manuscrite autographe confirme-t-elle cette classification ? Pour cette enquête, nous mobilisons trois corpus liés à l’imprimé de 1674 :
- un corpus BoileauNorm constitué d’extraits de l’ouvrage obtenus par reconnaissance optique de caractères et correction manuelle par le logiciel eScriptorium (Kiessling et al., 2019) ainsi que la version normalisée manuellement de chaque extrait ;
- le même corpus avec cette fois une normalisation automatique par un modèle de traduction automatique décrit ci-dessous, BoileauNormAuto.
- le corpus BoileauNorm+, constitué du corpus BoileauNorm augmenté de la transcription d’une version manuscrite autographe d’une pièce versifiée de Boileau, l’Ode à la prise de Namur, envoyée à Racine en 1693 (Paris, BNF, Fr. 12886, f°126), et sa normalisation (manuelle).
Tableau 3. Description du corpus du cas d’étude : pages et vues Gallica des sous-parties du recueil Œuvres diverses du sieur D***, et des extraits corrigés
Sous-Corpus
|
Œuvre
|
Pages
|
Vues Gallica
|
Vues transcrites
|
P1
|
Discours au roi
|
1-6
|
7-12
|
7-12
|
P2 et P3
|
Satires 1 à 9
|
7-67
|
13-73
|
13-18 et 19-22
|
|
Discours sur la satire
|
69-75
|
75-81
|
-
|
P4 et P5
|
Epistres au roi 1 à 4
|
77-99
|
83-105
|
83-90 et 91-93
|
P6
|
L’Art poétique
|
103-142
|
109-148
|
109-117
|
P7
|
Le Lutrin, chants I à IV
|
149-178
|
163-192
|
163-171
|
P8
|
Traité du sublime et du merveilleux
|
NP-91
|
195-292
|
204-211
|
26Le modèle de normalisation automatique correspond au meilleur modèle proposé par Bawden et al. (2022). Il repose sur une approche de traduction automatique statistique dite « phrase-based ». Le modèle a été entrainé avec Moses (Koehn et al., 2007), l’outil de référence pour ce type de modèles. L’objectif d’un tel modèle de traduction est de déterminer, étant donnée une séquence de mots donnée en entrée, la séquence de mots qui constitue la traduction la plus probable de la séquence d’entrée. Dans notre cas, la séquence d’entrée est une phrase en français classique et la traduction recherchée est son équivalent respectant les conventions de français contemporain, la norme choisie dans ce travail. Étant donnée une phrase d’entrée, la façon dont on mesure combien une traduction candidate est probable (c’est-à-dire combien il est probable qu’elle soit correcte) s’appuie sur plusieurs modules qui assignent chacun un score à cette traduction candidate. Les deux principaux scores sont fournis par :
- un modèle de traduction, c’est-à-dire une table de correspondance entre séquences de n mots dans la langue source et des traductions possibles de ces séquences, chacune de ces correspondances étant munie d’une probabilité estimée à partir d’un grand corpus parallèle d’entraînement ;
- un modèle de langue de type n-gramme qui modélise la probabilité qu’une traduction candidate donnée soit une phrase correcte dans la langue cible, ce modèle ayant été entraîné sur un grand corpus de phrases en langue cible, qui peut être le versant cible du corpus parallèle mentionné au point précédent.
27Le modèle est entraîné sur le corpus FreEMnorm (Gabay, 2022), composé de textes de genres variés du xviie s. et leurs normalisations manuelles. Une étape de post-traitement est utilisée, qui s’appuie un lexique de français contemporain, le Lefff (Sagot, 2010). Son rôle est de normaliser les mots qui, dans la sortie du modèle, sont inconnus du lexique mais sont très proches (aux diacritiques près et modulo quelques autres changements très simples) d’exactement un mot connu du lexique, afin d’éviter toute situation d’ambiguïté. Ainsi, si le modèle produit etait, il sera normalisé par cette étape de post-traitement en était, seul mot connu du Lefff et suffisamment proche d’etait.
28Nous avons évalué ce modèle à l’aide d’une métrique d’exactitude lexicale. Cette métrique consiste, sur des textes pour lesquels une normalisation manuelle existe, à évaluer le pourcentage des mots de la version normalisée produite automatiquement qui est identique à leur équivalent dans la version normalisée manuellement. Ce modèle s’appuyant sur une approche statistique s’est avéré plus performant que des modèles alternatifs utilisant des méthodes plus récentes qui s’appuient sur les réseaux de neurones ainsi que des modèles par règles bien plus simples mais déjà performants. Sur le corpus décrit dans cette section, notre modèle atteint une exactitude lexicale de 97,4%.
- 9 Le pourcentage d’information retenu est égal à la somme des deux pourcentages associés à l’abscisse (...)
29Pour chacun des deux corpus d’extraits de textes de Boileau, nous comptons le nombre moyen d’occurrences de chaque règle détectée pour 10 000 mots. Nous visualisons ces données dans un graphique à deux dimensions à l’aide d’une analyse en composantes principales (ACP). Le principe de ce traitement de données vise à réduire le nombre de dimensions (initialement, ce nombre de dimensions est égal au nombre de règles de normalisation détectées dans les corpus, soit une quarantaine) à deux, en trouvant un plan en deux dimensions qui maximise la variance de l’axe horizontal et de l’axe vertical, permettant ainsi de projeter sur ce plan les points correspondant à chaque texte. Cette réduction, qui implique nécessairement une déformation que l’on doit contrôler9, permet de retenir une partie de la variance jugée suffisante pour indiquer les grandes tendances. Le résultat final prend la forme d’un plan où chaque texte est caractérisé par l’application de toutes les règles de normalisation.
30Si nos hypothèses de travail se trouvent confirmées, nous devrions obtenir deux types de résultats pour nos deux questions de recherche. D’une part, lors de la comparaison des textes inédits avec ceux republiés dans l’édition de 1674, les deux groupes devraient former des clusters distincts. D’autre part, lors de la comparaison de l’édition de 1674 avec la documentation manuscrite, cette dernière devrait se retrouver plus proche des textes inédits que des textes republiés.
31Nous obtenons ainsi les illustrations 1 (a) et (b) pour les normalisations respectivement manuelle et automatique. On y constate, une séparation le long de l’axe horizontal entre, à gauche, deux satires et le Discours au roi qui les précède dans l’imprimé de 1674, et à leur droite, les extraits de textes publiés pour la première fois à cette occasion. L’organisation le long de l’axe horizontal de ces textes auparavant inédits est très similaire dans les deux illustrations, avec de gauche à droite :
- le Traité du sublime et du merveilleux ;
- deux Épitres (numérotées 1 et 2) ;
- l’Art poétique ;
- le Lutrin.
Illustration 1. Analyses en composantes principales des sous-corpus parallèles obtenus par normalisation manuelle (a) et par normalisation automatique (b).
- 10 Chaque erreur de normalisation entraîne la détection ou l’absence de détection de certaines règles, (...)
32Il est appréciable que les corpus parallèles issus de la normalisation manuelle et de la normalisation automatique fassent tous deux ressortir le même signal le long de cet axe principal – en d’autres termes, le passage par une automatisation de la tâche de normalisation pour l’analyse des graphies, en dépit de son imperfection10, fonctionne. Ce signal met en évidence des règles correspondant aux phénomènes remarqués par J.-Ch. Pellat :
- l’ajout d’accent aigu et la transformation du <s> en <z> (cf. tab. 4a) sont les deux règles d’ABA, dont les vecteurs sont orientés vers la droite dans cette ACP, qui correspondent le plus souvent au morphème de la P5 : Aimés → Aimez dans L’Art poétique, demeurés → demeurez dans L’Épitre 1 ou encore Tenés → Tenez dans L’Épitre 2.
- le <y> calligraphique, dont le vecteur est orienté vers la gauche dans cette ACP (cf. tab. 4a et 4b), correspond à la transformation finale de <y> en <i> comme dans ay → ai dans les deux satires et dans le Discours au Roi, ou encore dans les mots pourquoy, vray et quoy ; notons toutefois que l’on retrouve ces trois dernières formes aussi dans le Traité du sublime et du merveilleux, ce qui n’avait pas été noté par J.-Ch. Pellat et peut contribuer à expliquer la position horizontale de ce texte entre les textes précédemment publiés et ceux également publiés pour la première fois en 1674.
33À l’inverse, la présence des formes finales en <ez> au lieu de <és> dans les textes déjà publiés, évoquée par J.-Ch. Pellat, n’est pas particulièrement détectée : la règle d’ABA correspondante, <x>/<z> → <s> correspond dans affamez, Beautez et formez dans les Satires, ou à opposez, accusez et entraînez dans le Traité du sublime et du merveilleux.
Tableau 4. Sélection des principales règles obtenues par normalisation manuelle (a) et par normalisation automatique (b).
Règle
|
Dimension 1
|
Dimension 2
|
Forme originale
|
Forme normalisée
|
Eszett
|
0.87230002
|
0.32438134
|
preße
|
presse
|
ct → t
|
0.83993067
|
0.37013350
|
fruict
|
fruit
|
as → â
|
0.80742658
|
0.57248286
|
hastée
|
hâtée
|
lettre ramiste
|
0.63218216
|
0.64782818
|
aueugle
|
aveugle
|
Lettre calligraphique
|
-0.82788867
|
-0.03373438
|
luy
|
lui
|
Règle
|
Dimension 1
|
Dimension 2
|
Forme originale
|
Forme normalisée
|
retrait accent aigu
|
0.71176615
|
0.68381941
|
allés
|
allez
|
s → z
|
0.68579621
|
0.69104233
|
allés
|
allez
|
retrait du tréma
|
0.62523163
|
-0.70413309
|
obeïr
|
obéir
|
lettre ramiste
|
0.62523163
|
-0.70413309
|
Jront
|
Iront
|
c → s
|
0.62523163
|
-0.70413309
|
offence
|
offense
|
Lettre calligraphique
|
-0.76927685
|
0.10965883
|
luy
|
lui
|
- 11 Pour cette expérience nous ignorons deux règles : ſ → <s> et & → <et>. La distinction ſ/<s> est en effet part</s></et></s> (...)
34En analysant le corpus BoileauNorm+11, on constate que l’analyse en composantes principales fournie dans l’illustration 2 sépare :
- selon le premier axe (horizontal), les pièces imprimées à gauche et le manuscrit de l’Ode à Namur à droite ;
- selon le deuxième axe (vertical), on retrouve dans la partie supérieure le manuscrit et les pièces publiées pour la première fois dans l’imprimé de 1674 (Epitres, Art poétique, Traité du sublime, Lutrin), retenant respectivement tout ou une partie du système graphique de Boileau. Les pièces déjà publiées (première et seconde Satires, Discours au Roi) dans la partie inférieure.
35On note que l’ensemble des deux axes explique plus de la moitié (57 .5%) de la variance. Parmi les règles de normalisation particulièrement associées au manuscrit de l’Ode à Namur, on trouve l’ajout de l’accent grave (ex. : 14 occurrences de <a> → <à>, de déjà → déjà), la désagglutination des proclitiques (ex. : davancer, leffroi, senfuit), le changement du morphème flexionnel verbal de la P1 <-y> en <-is> (ex. : voy), le remplacement du <-s> final par <-z> (ex. : Voiés, Approchés), souvent cumulé avec le retrait de l’accent aigu (ex. : Voiés, Approchés), le retrait du <c> muet dans le digramme <ct> (faict, sainct), l’ajout de tréma (héroique), le remplacement de <i> par <y> (Déploiés, Ipres, Voiés) et la réintroduction de géminées (ex. : soufle) ou leur réduction (ex. : Deffenseur).
Illustration 2. Analyse en composantes principales des règles de normalisation détectées sur le sous-corpus parallèle BoileauNorm+.
Tableau 5. Valeur des règles de normalisation détectées sur le sous-corpus parallèle BoileauNorm+.
Règle
|
Dimension 1
|
Dimension 2
|
Forme originale
|
Forme normalisée
|
séparation avec apostrophe
|
0.97908083
|
-0.12233126
|
Dun
|
D’un
|
terminaison y → is
|
0.97069152
|
-0.08051458
|
ſçay
|
sais
|
mt/nt → mpt
|
0.98061917
|
-0.09536899
|
domta
|
dompta
|
ajout accent grave
|
0.98517666
|
-0.04718862
|
ou
|
où
|
36Notre analyse computationnelle des écrits de Boileau tend à démontrer que les écrits publiés pour la première fois en 1674 partagent des particularités qui, pour partie, se retrouvent dans la documentation autographe, tandis que les textes publiés précédemment en partagent d’autres. Ces particularités détectées automatiquement au moyen de règles de normalisation recoupent les observations de J.-Ch. Pellat, mais par des moyens partiellement différents : le nombre d’observations mobilisées pour la constitution des clusters est en effet bien plus conséquent, et si le résultat souffre d’évidentes limites techniques, il a l’avantage d’une plus grande systématicité. Le travail de J.-Ch. Pellat nous permet donc de valider notre méthode, autant que nos analyses confirment les hypothèses de notre collègue.
37Le système graphique de Boileau est marqué par des traits modernes que l’on retrouve assez nettement dans la documentation manuscrite, et partiellement dans les imprimés. Dans ce cas précis, qui n’a pas forcément de valeur générale, l’orthographe actuelle dont parle Cl. Vachon et que l’on observe dans l’imprimé de 1674 s’explique donc partiellement par le mélange de différents systèmes graphiques. Le mécanisme de copie produit logiquement la superposition de deux systèmes linguistiques (Segre, 1976), celui du prote et celui de l’auteur, comme le montre l’étude des editiones principes de Boileau (Pellat, 2001).
38Il convient donc de revaloriser l’imprimé, proxy (imparfait) d’une documentation manuscrite souvent disparue au xviie s., mais qui peut conserver les vestiges d’états antérieurs autographes qu’il est possible de retrouver – à la manière des médiévistes qui, depuis fort longtemps, distinguent dans leur éditions la langue de l’auteur de celle du copiste, et ont pour ce faire développé des techniques dont les modernistes gagneraient certainement à s’inspirer. L’argument souvent entendu selon lequel la langue des imprimés n’est pas celle de l’auteur, et peut donc sans état d’âme être modernisée, est factuellement faux, au moins dans le cas que nous avons étudié ici, et probablement dans d’autres que notre méthode pourrait contribuer à débusquer. Pour reprendre l’expression de Stephan Elspaß, une Sprachgeschichte von unten doit donc en partie se faire « par en haut », certains textes « publics » témoignant en filigrane d’usages « privés » – si tant est que cette distinction soit faisable (Altman, 1992).
39Cette porosité encore mal étudiée entre les manuscrits et les imprimés de la première modernité est une trace importante de la lente convergence de l’écrit, dont la première étape a été parfaitement décrite par Y. Greub (2007). Selon ce dernier, la phase médiévale de préstandardisation est (en partie) portée par un phénomène de neutralisation mécanique des marques diatopiques du fait du processus de copie. Comme Y. Greub le suggère à la fin de son article, nous pensons que le processus continue pendant la première modernité, ou plus précisément se rejoue d’une manière différente à cause de l’imprimé. Le copiste est désormais le prote d’imprimerie qui appose plus ou moins parfaitement son système graphique par-dessus celui de l’auteur, qui peut néanmoins survivre en diasystème. Comme l’a parfaitement démontré J.-Ch. Pellat, cette survivance ne dure pas dans le temps et disparaît dès la deuxième copie, c’est-à-dire, dans un monde d’imprimés, d’une nouvelle édition.
- 12 Si ce schéma standard est la norme, il existe évidemment des modèles alternatifs. L’auteur peut ain (...)
40Le nombre de copies imprimées étant logiquement supérieur à l’unique version autographe de l’auteur dans un schéma de transmission textuelle standard12, l’impact de l’imprimé est bien plus fort que celui du manuscrit : il accélère le processus de convergence. On retrouve ainsi de possibles traces de cette accélération dans la correspondance de Sévigné, avec une opposition nette entre la mère et la fille autour de l’usage de l’apostrophe et de l’emploi des lettres ramistes (Gabay, 2020). Cela expliquerait finalement l’importance supérieure d’usages individuels sur des scriptae moins nettement définies, qui se maintiendraient pendant la première modernité sur un mode dégradé, comme celles des Anciens et des Modernes, avant leur effacement final devant un standard linguistique régissant le français savant au cours du xviiie siècle.