Contenu du sommaire : Constitution de corpus linguistiques et pérennisation des données.

Cet article traite de la constitution d'un corpus parlé de l'anglais du Tyneside (plus connu sous le nom de Geordie) ou Diachronic Electronic Corpus of Tyneside English (DECTE, Corrigan et al. 2010-2012). Ce dernier consigne près de cinquante ans de recherche en linguistique de corpus. À la fin des années soixante, au moment où débute l'enquête linguistique du Tyneside (ou TLS), deux enquêtes linguistiques s'achèvent. L'une en Grande-Bretagne, l'autre aux États-Unis. Or, si Labov recommandait le recours à un nombre limité de variables lors d'études de données linguistiques, la TLS avait pour but original d'inclure le maximum de variables afin de permettre des analyses plus précises sur des données plus conséquentes grâce aux nouveaux outils informatiques à la disposition des chercheurs (Pellowe et al. 1972, Jones-Sargent 1983). Lors de la conception de l'enquête TLS, la possibilité de traitement par la machine avait toute son importance. Après une présentation de l'école anglaise en dialectologie, souvent promue par les universités du nord de l'Angleterre (malgré un grand nombre d'études sur les dialectes dans les années 1970), nous traitons de la particularité des approches méthodologiques du DECTE, des projets à la fois de conservation des données afin de numériser des enregistrements jusqu'alors sur bande magnétique, et de diffusion auprès du grand public.

Cette contribution examine le changement à l'oeuvre dans une partie de la recherche des phonologues formés dans le cadre de l'école de Guierre et se propose de revenir sur cinquante ans de cette tradition d'analyse du placement accentuel de l'anglais, en exposant le déplacement de certaines problématiques, d'un questionnement de l'institutionnalisation de la variation à partir de sa consignation dans les dictionnaires de prononciation à son exploration dans les corpus oraux.

Il y a trois façons principales de réaliser une étude sur une langue : (i) une description exécutée par un locuteur à partir de ses propres connaissances, (ii) un travail réalisé sur des sources écrites, (iii) la constitution de données orales. Cette dernière solution a été choisie par F. Boas qui a fixé les principes de constitution des corpus oraux en lien avec l'anthropologie, donnant au structuralisme américain une orientation qui le distingue des structuralismes russe et français qui ne s'assignaient pas pour tâche principale la collecte des langues.

Cet article envisage l'extension du Grand Corpus des grammaires françaises, des remarques et des traités sur la langue (2011) à un ensemble plus vaste de textes couvrant les XVIIe et XVIIIe siècles. Après une présentation du corpus existant, il évoque les principes mis en oeuvre pour sa continuation, en analysant notamment les critères de sélection pour les choix des textes, sans oublier les difficultés que l'entreprise soulève (découpage temporel, hétérogénéité des textes, mise en oeuvre de l'outillage).

Nous présentons notre approche fondée sur les données authentiques, en nous concentrant sur des recherches récentes, portant sur le recueil, le traitement et l'analyse d'un grand corpus de SMS en français, intitulé 88milSMS (http://88milsms. huma-num.fr/, Panckhurst, Détrie, Lopez, Moïse, Roche, Verine, 2014), incluant un questionnaire sociolinguistique soumis aux donateurs au moment de la collecte ainsi que leurs réponses. Puis nous expliquons pourquoi, dans une démarche pluridisciplinaire (située entre sciences du langage, informatique et traitement automatique du langage naturel), nous avons décidé de fournir à la communauté scientifique et au grand public le corpus de SMS.

Nous prenons dans cet article le parti d'interroger non les apports des corpus en tant que tels à la recherche linguistique et à la constitution de nouveaux savoirs mais la nature des objets de recherche et le type de recherches induits par une linguistique de corpus, plus précisément une linguistique outillée. Nous défendons l'idée que l'outillage même de la linguistique oriente la recherche vers les formes, selon une approche sémasiologique. Toutefois, nombre de recherches en corpus visent à cerner les expressions linguistiques de certaines significations, selon une approche onomasiologique, tout en utilisant des outils et des apports du TAL pour ce faire. Nous en tirons des propositions méthodologiques pour accroitre la valeur scientifique des recherches.

La patrimonialisation des corpus oraux fait désormais partie de leur cycle de vie. Le geste de «mettre à part » (Michel de Certeau) qui caractérise toute entrée en archives amène notamment à un ensemble d'actions descriptives (inventaire, catalogage…) normées, qui vont permettre la consultation, la diffusion, l'exploitation et la conservation pérenne, etc. du corpus. Dans cet article, nous présentons certaines problématiques sous-jacentes à la description d'archives sonores dans le cadre d'une institution patrimoniale. Nous replacerons ces questionnements dans une perspective historique, des premières fiches descriptives à la fin du XIXe siècle jusqu'aux modèles conceptuels de données du web sémantique et du web de données aujourd'hui.

L'objectif majeur de cet article est de donner une caractérisation des fondements de la biolinguistique, en dégagant quelques conséquences théoriques et empiriques. La principale différence de la biolinguistique avec ce que l'on proposait avant est la révision du locus des principes de la faculté du langage. Avec la biolinguistique, le focus est mis sur des principes d'une nature cognitive plus large qui joueraient un rôle dans la détermination des faits internes au langage. En prenant en compte surtout l'analyse de Sigurðsson 2011 sur le phénomène du sujet nul, qui emploie la notion de troisième facteur, on discute la place et la fonction de la variation linguistique dans le modèle. On se demande enfin si les données descriptives jouent un rôle instrumental au regard de la quête de principes de portée cognitive plus large, ce qui nous conduit à nous demander quel est effectivement l'objet d'étude qui intéresse la théorie linguistique.

Les normes prosodiques modernes se mettent progressivement en place à la Renaissance, dans des traités de seconde rhétorique comme celui du toulousain Gratien du Pont, intitulé L'art et science de rhetoricque metriffiée (1539). Ce dernier ouvrage présente un cas où l'auteur construit une norme qui correspond parfaitement à son propre travail poétique, tel qu'il est représenté par les Controverses des sexes masculin et femenin parues en 1534. Cette norme est en revanche déjà désuète dans le contexte poétique des années 1540-1550, qu'il s'agisse de la théorisation ou de la pratique de cette dernière, à l'exception notable de la Requeste faicte et baillée par les dames de la ville de Tolose, qui a été rédigée dans les années 1540, avant d'être publié en 1555.