Le corpus BVH-Epistemon dans PRESTO

Le projet PRESTO porté par Peter Blumenthal – Universität zu Köln – et Denis Vigier – Université de Lyon 2 – a pour but l’étude diachronique de l’emploi, des valeurs sémantiques et discursives des prépositions françaises à, en, par, contre, dès, devant, entre, pour, sans, sur, sous, vers, dans, de l’ancienne langue jusqu’au français contemporain.

Instrumentée, adossée à une approche statistique et distributionnelle, cette étude portera sur les variations du comportement combinatoire des prépositions suivant des critères de dates (évolution diachronique), de genres et d’auteurs. Présentation du projet par Denis Vigier :

« Notre attention se portera tout particulièrement sur la détection des combinaisons hautement spécifiques[1] dans lesquelles entrent ces prépositions. Seront étudiées l’émergence, la réorganisation et le déclin de structures prépositionnelles figées. L’objectif visé consiste à parvenir à une vision innovatrice du devenir historique sur la base d’un modèle d’analyse fondé sur deux séries de démarches méthodologiques :

  1. l’étude de l’interdépendance entre le quantitatif (les emplois) et le qualitatif (les valeurs) ;
  2. l’étude des principes qui ont guidé, en diachronie, la recherche de plus-values sémantiques et discursives, véritable moteur du changement linguistique.

L’un des réquisits – mais aussi l’un des apports majeurs de ce projet – consistera en la constitution d’un corpus comportant des données étiquetées et lemmatisées, représentant toutes les périodes de l’histoire du français ainsi que différents genres discursifs et types de textes. Ce corpus, élaboré conjointement par les équipes française et allemande, s’appuiera pour partie sur les ressources déjà disponibles à Lyon (période médiévale), à Tours (XVIe s.), à Nancy (ATILF) et à Cologne (période moderne, XVIIe s. – XXe s.). Une politique active sera menée pour permettre l’ouverture de la plus grande partie possible de ce corpus. »

Le rôle des BVH au sein de ce projet consiste tout d’abord à communiquer son corpus, mais non tel qu’il est proposé dans XTF actuellement. En effet, le logiciel TXM s’appuie sur des métadonnées très précises pour la construction de ses corpus et partitions : il nous a donc fallu extraire ces métadonnées de notre header afin de les formater pour qu’elles soient intelligibles et pertinentes.
Du côté de l’étiquetage et de la lemmatisation, la langue du XVIe s. étant particulièrement changeante graphiquement, l’automatisation est ardue et l’étiquetage devra être contrôlé manuellement.
La transcription et l’encodage de l’Institution de la Religion Chrétienne de Calvin (édition de 1560) seront effectués dans le cadre de PRESTO. Le texte sera ensuite intégré au corpus BVH-Epistemon.

 

[1] Cooccurrences dont la fréquence élevée ne saurait être due au hasard et que les calculs probabilistes révèlent comme étant « spécifiques ». Parallèlement, une attention particulière sera portée aux combinaisons particulièrement sous-représentées pour une préposition donnée.


Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.