1Le sens des données, est un ouvrage collectif, dirigé par Sophie AQUETIL, Carine DTEUIL – MOUGEL et Vivien LLOVERIA. Cet ouvrage s’inscrit dans la lignée des travaux de la philosophie de technique, l’épistémologie des données et le sens qu’elles peuvent avoir dans un contexte numérique. Les co-auteurs interrogent, dans leur analyse, le signe sémiotique, le contenu sémantique et les usages de la pragmatique pour détecter la manière selon laquelle se construit le sens de la donnée numérique et relever ses principales caractéristiques par rapport à la donnée graphique (texte, image, etc.) et au traitement de ses corpus. Dans leur définition de la donnée, les co-auteurs de l’ouvrage assimilent le sens des données à l’être d’un corpus dont les ensembles constituent « […] les signifiants des énoncés ou des actes de parole. ». Pour cerner ce qu’est l’être de la donnée, il convient d’analyser l’existence et les formes de présence de la donnée (son essence ontologique) dans les corpus ainsi que la manière dont elle est produite. L’ouvrage se compose de deux parties. La première partie intitulée « Épistémologie du corpus numérique » et composée de trois chapitres. Le premier chapitre rédigé par François RASTIER, analyse la « Sémiotique de corpus numériques et accès à la culture ». Le second chapitre dont l’auteur est Mustapha KRAZEM porte sur les « Grands corpus ou quand le nombre de mots risque de nous détourner du traitement linguistique des données ? ». Le dernier chapitre de la première partie est rédigé par Rossana DE ANGELIS et s’intitule « L’analyse des données textuelles : quels enjeux pour les textes ? ».
2La seconde partie de l’ouvrage intitulée « Construire les données » se constitue de cinq chapitres. Le premier chapitre rédigé par Jacques FRANCOIS porte sur « La contribution des corpus diachroniques à l’étude du changement lexical ». Le second chapitre dont l’auteur est Pierre HALTÉ s’intitule « Intégrer les émoticônes (et interjections) à des outils de traitement automatique de corpus numériques : modélisation, enjeux et projets ». Le troisième chapitre rédigé par Anne PRUNET analyse ce questionnement « Quel usage du corpus en français sur objectif universitaire » ? Le quatrième chapitre dont l’auteure est Florence ANREACOLA porte sur « Les données d’internet : Le sens d’un corpus d’images numériques par la prise en compte de son contexte informatique de production ». Enfin, le dernier chapitre rédigé par Laeticia EMERITE – BIBIE s’intitule « Adapter le corpus aux particularités des discours numériques. L’alternative du lieu de corpus ».
- 1 Qui se fondent selon François Rastier sur une approche logico grammaticale en mettant en avant les (...)
- 2 Le terme désigne selon l’auteur la teneur d’un document ; c’est-à-dire son signifiant.
3François Rastier s’appuie dans sa définition du corpus sur la sémiotique et les sciences de la culture. Il définit le corpus, dégage ses différentes typologies, et approches qu’elles soient documentaires1ou philologiques herméneutiques (fondée selon lui sur le rapport des performances). À travers son analyse, l’auteur démontre l’impact de la technologie et des logiciels assistés dans le recoupement des sciences de la culture et de la sémiotique pour l’étude des corpus et les changements qu’elles opèrent dans sa construction, son traitement et interprétation. En ce sens, il relève l’intérêt de ces outils dans le repérage et la constitution de nouvelles corrélations entre les contenus lexicaux d’un corpus et ses types d’expressions dont les ponctèmes susceptibles, selon Bourion et à titre d’exemple, de générer des corrélations entre les noms de sentiments et la ponctuation parue dans le contexte de citation de ces noms. François Rastier précise que ces nouvelles corrélations sont imperceptibles dans les corpus d’investigation classiques recourant aux méthodes d’analyse manuelle. En outre, l’auteur souligne l’intérêt de la sémiotique des performances2 à rendre au document numérique, caractérisé par sa globalité, son ubiquité et multiplicité de ses supports, sa performance (son signifiant) et son herméneutique à travers la notion de l’œuvre. Il est crucial selon l’auteur d’effectuer la distinction entre la notion du document relevant de la philologie pour établir et documenter les corpus, la performance qui relève de la sémiotique et l’œuvre qui relève de l’herméneutique. « François Rastier… souligne que l’accès aux documents n’est qu’une condition à la description de leur contenu qui ne dispense pas de l’étape de constitution du corpus par laquelle les données trouvent leur intelligibilité et objectivité scientifique. ».
4Dans le second article intitulé « Grands corpus ou quand le nombre de mots risque de nous détourner du traitement linguistique des données ? » Mustapha Krazem, invite la communauté scientifique à éviter l’instauration d’une idéologie des corpus et à favoriser la critique du traitement des données quantitatives au détriment des analyses manuelles des corpus. Il précise que la tendance actuelle des chercheurs est de quantifier les données et exhiber le type de logiciel utilisé pour repérer les cooccurrences des corpus leur permettant de déterminer le cadre théorique de leurs études. Il s’ensuit de cette quantification l’émergence de données et corpus attestés par les institutions de recherche scientifique qui ne reflètent, selon Mustapha Krazem, qu’une grammaire des usages d’une langue donnée d’un groupe social dans un conteste donné. Or ce type de grammaire exempt du corpus certaines données linguistique dont la ponctuation (point d’interrogation) et certains signes (astérisque) qui entravent la numérisation des données attestées. Les corpus attestés valorisent les données dites « produites » et qui sont récurrentes dans le corpus, donc plus visibles et mieux lues par les chercheurs, au détriment des données dites « entendues » qui existent dans le corpus mais sont moins lues que leurs précédentes. Ainsi et lors de son analyse du diktat des corpus attestés, Mustapha Krazem dénonce l’absence de l’aspect communicationnel des données attestées des corpus et des données produites par une analyse grammaticale non quantitatives.
- 3 Cette approche prône selon Mustapha Krazem le rôle du genre discursif dans l’apprentissage d’une la (...)
- 4 Appelés aussi personnes sémantiques : je, tu, il/elle, nous, vous, ils/elles.
5Par ailleurs, Mustapha Krazem souligne que la quantification des données de corpus n’a de sens que dans une approche comparatiste fondée sur la diversité des genres de discours et leurs sous-genres susceptibles d’avoir des apports originaux dans l’analyse grammaticale des corpus. Pour ce faire, l’auteur s’appuie sur une analyse discursive très fine de l’infinitif de prescription dans les commentaires sportifs. Se fondant sur l’approche de Bakhtine3, Mustapha Krazem cherche à démontrer que le genre discursif ne se limite pas à pourvoir des exemples typés du discours au locuteur, mais permet le repérage d’informations linguistiques très fines utilisées pour cerner les diverses formes linguistiques explicites et implicites du discours. Ainsi et en recourant à l’infinitif de prescription (un fait de la langue écrite) pour décrire un corpus discursif de commentaires sportifs, Mustapha Krazem relève l’agrammaticalité de ce temps avec les corpus oraux. Outre ce constat, Mustapha Krazem analyse la présence des sujets4 sémantique du verbe utilisé dans les énoncés discursifs des corpus. Il précise que c’est une erreur que de tenir le sujet sémantique du verbe comme indéterminé, notamment pour l’infinitif qui « […] entraîne un effacement de l’énonciateur… ». Bien que l’énonciateur est absent des genres oraux, Mustapha Krazem relève sa présence dans les agendas personnels les titres et commentaires sportifs. Enfin, il convient de rappeler, selon Mustapha Krazem, que les corpus ne sont que des outils d’aide à la décision des grammairiens qui doivent répondre à un objectif de recherche définissant la forme et la taille du corpus et donnant du bon sens à ses données.
6Enfin, dans le troisième et dernier article intitulé « L’analyse des données textuelles : quels enjeux pour les textes ? », Rossana De Angelis, analyse la notion des corpus à travers le courant britannique Corpus Linguistics ou Linguistique(s) du corpus. Elle démontre l’évolution de la notion, de son exploitation et modalité à l’aune de l’informatisation et traitement automatique des langues. Si les corpus se formaient initialement de textes, principaux objets d’analyse lexicale, l’intégration de la technologie dans l’analyse des corpus linguistiques change ses modalités d’exploitation du fait que le texte écrit est transformé en un ensemble de données binaires. Une telle évolution se retentit sur le statut du texte numérique qui perd la linéarité de ses éléments linguistique et la tabularité des éléments graphiques qui accompagnant le texte écrit. L’auteur aborde également un changement de l’espace graphique textuel puisqu’on ne discerne plus les frontières entre l’espace d’inscription du texte et l’espace visuel de lecture. Le numérique change les pratiques. On passe de la lecture d’un texte écrit à l’exploration de données numériques et la nécessité de discerner les frontières entre le texte, le support et son format numériques. Le passage d’une matérialité graphique à une autre numérique fait évoluer le concept du texte et sa culture de même que la notion du corpus (dont la signification est polyvalente). L’auteure aborde ensuite l’herméneutique numérique relative aux corpus. Elle précise que cette notion évolue sur le numérique puisqu’elle dépasse l’interprétation et la compréhension des objets culturels, dont les textes, pour une nouvelle approche fondée sur l’interaction entre les pratiques d’interprétation, les objets culturels (textes) et les outils interprétatifs. Cette herméneutique numérique favorise par le biais d’une multitude de méthodes d’analyse et d’interprétation des données l’identification des relations intra, inter et archi textuelles ainsi que les relations sémantiques des éléments saillants et significatifs du texte numérique. Elle entraîne également un questionnement sur le type de matérialité du texte numérique qui se rapproche selon l’auteure davantage du document puisqu’il est sur - matérialisé du fait de l’existence d’une double matérialité celle du texte traité par les logiciels de traitement automatique des langues et de sa présence dans un corpus numérique.
7La seconde partie de l’ouvrage intitulée « Construire les données » s’entame avec l’article de Jacques FRANCOIS intitulé « La contribution des corpus diachroniques à l’étude du changement lexical ». Cet article questionne les données linguistiques et l’évolution de leur sens à travers les temporalités. Pour mieux cerner ce changement lexico-sémantique, l’auteur recourt à une méthodologie empirique qui mobilise les outils lexicographiques et les banques textuelles, dont FRANTEXT favorisant l’affichage des « […] phases de renversement de la dominance sémantique et/ou syntaxique. ». L’auteur précise que son analyse des « observables » (terme utilisé pour désigner les données linguistiques) va s’appuyer sur quatre illustrations : le verbe « atterrer », le verbe « navrer », la présupposition « sauf » et le nom « fracture ». Il démontre que le contexte historique et sociétal du XVII et XVIIIe siècles ont intégré la métaphore et le sens psychologique du verbe « atterrer » qui à la base signifiait « jeté à terre » et ont transformé le « sujet » qui a pour référent un agent humain en un expérient (sujet de la voix passive). Concernant l’analyse lexico-sémantique du verbe « navrer », l’auteur relève une l’évolution du sens de ce verbe d’une blessure physique au XVIème siècle vers une blessure morale associée à l’image de Cupidon au XVIIème siècle et la disparition du sens de la blessure physique et de l’image de Cupidon au XVIIIème siècle. L’auteur réanalyse aussi les différents emplois de l’adjectif « sauf » comme une préposition et mer en avant « […] l’évolution des associations lexicales autour du n. fracture entre 1995 et 2005 dans Le Monde qui illustre des questions sociétales ayant agité la société française dans ces deux périodes… ». Le second chapitre de la deuxième partie, intitulé « Intégrer les émoticônes (et interjections) à des outils de traitement automatique de corpus numériques : modélisation, enjeux et projets », se poursuit avec la recherche de Pierre Halté autour des émoticônes et interjections et leur intégration dans des outils de traitement automatique des corpus numériques. Ces index d’émotions sont le résultat de la nouvelle communication par ordinateur. De nature stable et figée, les émoticônes dévoilent les émotions directes et non rapportées de l’interlocuteur durant la situation d’énonciation (p. 133). Dans son article Pierre Halté propose l’élaboration d’un modèle sémiotique rendant compte des « […] différentes catégories d’émoticônes et d’interjections ainsi que de leurs visées énonciatives, qui conditionnent à la fois leurs fonctions pragmatiques et leur comportement général dans les corpus (position syntaxique, dynamique conversationnelle, etc.) ».
8À travers son troisième article intitulé « Quel usage du corpus en français sur objectif universitaire », Anne Prunet analyse un corpus contrastif composé des travaux estudiantins allophones (corpus ETR) et francophones (corpus FR) dans le cadre des « […] outils pour l’enseignement du Français sur Objectifs Universitaires (FOU) » . La méthodologie qu’adopte l’auteur pour l’analyse des corpus des étudiants allophones et de leurs homologues francophones recourt à la détection des concepts saillants et de leur « emploi en contexte » . Outre l’analyse de Prunet des corpus, Andrea Abreacola aborde dans son quatrième article intitulé « Les données d’internet : Le sens d’un corpus d’images numériques par la prise en compte de son contexte informatique de production » la nature informatique d’un corpus d’images contenant des éléments contextuels et éditorialisés. Selon Sophie ANQUETIL, Carine DUTEIL – MUGEL et Vivien LLOVERIA, l’article d’Andrea Abreacola étudie les contextes d’émergence et de façonnage des données d’images numériques. Il analyse également les protocoles d’échange ouverts d’internet et les confronte aux formats propriétaires des plateformes centralisées. Ainsi, l’auteur s’interroge sur le sens des données produites et véhiculées par les images numériques . Selon elle, la production d’images numériques peut être vécue par l’usager comme la matérialisation d’une émotion. . À cet égard, l’auteure évoque un déplacement de la dimension de l’aura de l’œuvre qui « […] évolue vers l’aura de l’image numérique selon un registre différent : axé sur le regardeur et ses pratiques numériques, plutôt qu’axés sur l’œuvre comme support de l’aura. » . En conclusion, Andrea Abreacola précise que pour une construction optimale des corpus, le chercheur en sciences humaines et sociales doit prendre en considération « […] les enjeux techniques, symboliques et économiques des systèmes et techniques de production, de circulation, de partage et d’appropriation des images numériques. » . La seconde partie de l’ouvrage se termine avec la publication de Laeticia Emerit-Bibié intitulée « Adapter le corpus aux particularités des discours numériques. L’alternative du lieu de corpus ». Dans cette contribution, l’auteur questionne la notion de lieu de corpus qui englobe selon elle le corpus dans un ensemble en le contextualisant rendant ainsi le corpus une potentialité subordonnée à la notion . Pour cerner la notion de lieu de corpus, Laeticia Emerit-Bibié analyse le contexte d’émergence de ses données en mettant l’accent sur l’accroissement et l’instabilité des données numériques d’une part et sur le rôle de la technologie comme un acteur majeur du lieu de corpus puisqu’elle s’adresse « […] directement aux utilisateurs (locuteurs et chercheurs) » et incite ou facilite à la construction des discours, d’autre part. « L’auteure propose alors une réflexion sur la représentation du lieu de corpus (en arborescence), sur la place des acteurs et sur la posture du chercheur » .