Contenu du sommaire : Les chaînes de référence en corpus

Dans cet article de présentation du numéro, nous commençons par définir la notion de chaîne de référence, puis nous proposons une revue des méthodes et des approches de l'étude des chaînes de référence. Nous montrons que les approches linguistiques prédominantes ne suffisent pas à prendre en considération les spécificités discursives et les liens étroits entre chaînes et genres textuels. Nous montrons également que les approches de la linguistique de corpus et du traitement automatique des langues suivent des voies opérationnelles qui s'éloignent de la complexité du phénomène linguistique initial et se focalisent sur d'autres langues que le français. Nous mettons alors en avant la démarche qui a réuni les auteurs des articles de ce numéro et qui est en partie matérialisée dans le projet ANR Democrat.

Une chaîne de coréférences est une structure qui regroupe un ensemble d'expressions référentielles (ou mentions, ou maillons) désignant toutes la même entité extralinguistique. Chaque maillon peut être enrichi par des annotations linguistiques, de même que les relations reliant certains maillons. En conséquence, il est difficile d'appréhender une telle structure et d'en tirer directement des analyses. Nous présentons des repères méthodologiques importants pour favoriser l'exploitation d'un corpus annoté en chaînes, tout en précisant les liens opérant entre linguistique théorique, linguistique de corpus outillée et traitement automatique.

Nous étudions les indicateurs de la cohésion (chaînes de référence et anaphoriques) par rapport à la complexité des textes au sein de deux corpus français qui s'adressent à plusieurs types de public (enfants/adultes pour le premier, apprenants de FLE pour le second). Cette étude a comme objectif la modélisation des aspects de cohésion textuelle des textes en vue de faciliter leur accessibilité pour les lecteurs. Pour ce faire, nous avons annoté les chaînes de référence dans les deux corpus. Nous comparons les propriétés de ces chaînes (longueur, nature des maillons, fonctions syntaxiques), en relation avec le niveau de difficulté, dans des textes informatifs et narratifs.

Par contraste avec les approches dites « paradigmatiques » ou « syntagmatiques » qui corrèlent faits de langue et genres textuels (ou discursifs), nous illustrons, en prenant l'exemple des chaînes de référence, une approche « configurationnelle » qui permet de manière plus opératoire de distinguer les genres (ici des faits divers et des incipit de contes de Fées). Cette approche combine la dimension quantitative des approches paradigmatiques par le dénombrement de certaines catégories grammaticales et lexicales, ainsi que l'approche syntagmatique due naturellement à la linéarité des chaînes de référence et ce que celle-ci implique (longueur et portée des chaînes, distance entre les maillons, etc.).

Dans cet article, avec l'aide de certains outils de la Théorie des Opérations Énonciatives (TOE), nous proposons de suivre le fonctionnement des chaînes de référence (CR) renvoyant aux personnages principaux (animés humains) dans un micro-corpus constitué de onze nouvelles contemporaines courtes (6 500 caractères espaces compris maximum), afin d'étudier les interactions entre ces CR et le point de vue narratif (PDV) dans ces brefs récits. Nous ferons également quelques remarques sur l'influence du genre textuel sur les CR en comparant cette sous-catégorie de fiction littéraire à un corpus de nouvelles « standard », plus développées.

Cet article s'intéresse aux chaînes de référence dans un corpus de textes narratifs brefs à tonalité comique composés entre le début du XVIIIe et le milieu du XVIe siècle. Seuls les référents animés humains ont été pris en compte dans l'analyse. Le corpus a été manuellement annoté grâce au logiciel ANALEC et analysé via la plateforme TXM. Nous décrivons les paramètres de variation des chaînes de référence en proposant un ensemble de mesures permettant la comparaison des résultats avec des études sur d'autres genres et d'autres périodes : la densité référentielle, le nombre de chaînes, leur longueur, le coefficient de stabilité référentielle ou la diversité des désignations des référents, la catégorie grammaticale des maillons et la nature du premier maillon. L'analyse outillée du corpus permet de dégager plusieurs spécificités et évolutions des chaînes de référence dans les genres brefs.

Cet article retrace l'évolution de la cataphore intraphrastique dans l'histoire du français en prenant en compte trois structures syntaxiques différentes. On observe la relation cataphorique dans les énoncés qui présentent l'ordre subordonnée + principale (Quand il n'a rien à faire, X lit.). Sont ensuite examinés deux cas d'anaphore sous-jacente, avec les constructions détachées en zone initiale (Attentif, X écoutait…) et les circonstanciels de manière antéposés (D'une voix forte, X dit…). On essaye de montrer que, durant une longue période, l'emploi de l'anaphore placée dans le constituant qui ouvre l'énoncé est en fait réglé par la coréférence avec le contexte gauche, ce qui ne permet pas de considérer qu'il y a relation cataphorique. Ce n'est qu'au XIXe siècle qu'apparaîtront les premiers indices d'une véritable « anticipation » du référent, ce qui rattache cette évolution à la formation de la « phrase complexe » moderne.