Article body

Introduction

L’informatique a ouvert des voies jusqu’à aujourd’hui inimaginables en analyse de corpus avec l’arrivée des concordanciers qui exécutent automatiquement un travail de défrichage des textes. Ce travail était auparavant l’oeuvre d’une carrière, car il devait être fait manuellement. Du simple calcul des mots par la reconnaissance graphique des formes, on est passé à des résultats plus fins grâce au processus de lemmatisation, qui met en relation les différentes formes graphiques d’un même mot, comme les variantes du singulier et du pluriel d’un mot (croyance/croyances; gouvernemental/gouvernementaux), les variantes orthographiques (événement / évènement), et les multiples variantes d’un verbe conjugué selon ses diverses modalités (temps, modes et personnes) : vais, irai, irais, allais, va, allons, allez, vont, aillent.... Ce premier travail ne résout pas la question de l’ambiguïté des formes (la déterminant, pronom, nom d’une note de musique, et dans certains logiciels, adverbe à) et encore moins celle de l’ambiguïté sémantique (le mot femme vshomme, femmevsmari ou femmevsfille). Mais au stade de la pré-analyse, on peut dire que plus les textes du corpus à traiter se conforment aux normes de la langue écrite standard, plus les taux de reconnaissance des formes et de leur catégorisation grammaticale seront meilleurs. Les formes non-reconnues pourront être portées au compte des idiosyncrasies qui relèvent d’un vocabulaire technique, d’usages régionaux de la langue ou de phénomènes d’oralité comme on en rencontre couramment dans le discours rapporté, et ce, tant dans les textes littéraires que journalistiques.

Lorsque l’on travaille sur un corpus de textes marginaux de ce point de vue, les soi-disant « scories »[1] se présentent de façon récurrente et deviennent la matière première à organiser. Il est alors souhaitable d’enregistrer les observations dans des lexiques ou des grammaires particulières de façon à les appliquer automatiquement à d’autres textes du même corpus. C’est le projet qui occupe une équipe de chercheurs décrivant le corpus de productions orales et écrites produites en Acadie[2] dans une perspective littéraire ou linguistique. Notre article présente une recherche qui a été réalisée avec le logiciel INTEX développé par Max Silberztein (1993), première étape de la construction d’une première parcelle d’un Lexique-rammaire du français acadien à l’aide d’un outil informatique approprié pour cette tâche. Notre recherche se concentre sur un phénomène linguistique précis : la description morphosyntaxique des manifestations du verbe aller, dans le corpus constitué de l’ouvrage Pélagie-la-Charrette de l’écrivaine acadienne Antonine Maillet.

1. Description de l’outil

INTEX est un analyseur linguistique qui fonctionne au niveau de la phrase, donc de la combinatoire entre les mots et les groupes de mots qui constituent la phrase. Il est fondé sur les principes de la grammaire transformationnelle harrisienne appliqués au modèle de description linguistique développé par Maurice Gross (1975, 1982; [Boons, Guillet et Leclerc, 1976]) et pratiqué au LADL (Laboratoire d’automatique documentaire et linguistique), CNRS. Selon ce modèle, l’unité de base de la signification est la phrase élémentaire, c’est-à-dire le verbe avec son sujet et ses compléments (le prédicat et les arguments). L’entrée du dictionnaire doit donc énumérer les propriétés syntaxiques, fonctionnelles et sémantiques du mot. Le lexique-grammaire est une composante particulière du modèle dans laquelle sont décrits les traits morphologiques, syntaxiques et sémantiques qui régissent la combinatoire entre les prédicats de la langue et les arguments qu’ils sélectionnent pour former des phrases grammaticales et sémantiquement bien formées. Le modèle de Gross a été formalisé dès les années 1960 et mis à la disposition des chercheurs grâce au logiciel d’analyse linguistique INTEX.

INTEX permet à la fois de décrire une langue par la localisation de constructions (patterns), au moyen d’expressions ou de graphes, et de faire la reconnaissance automatique de textes dans les langues pour lesquelles ont été élaborés des dictionnaires (dictionnaire de mots simples, de mots composés, d’expressions figées, de flexions et de morphèmes – préfixes et suffixes) et des grammaires locales qui décrivent sous forme de graphes ou automates à état fini les règles de combinatoire des mots d’une langue donnée. Les fonctionnalités du logiciel ont été adaptées avec succès jusqu’à ce jour à la description d’une grande variété de langues, qu’elles soient romanes, germaniques, slaves ou non indoeuropéennes. Pour décrire une variété particulière d’une langue déjà décrite, par exemple le français acadien, les particularismes seront intégrés dans des dictionnaires et graphes des flexions des constructions propres à cette variété et ajoutés aux bibliothèques de dictionnaires des mots simples, composés et graphes, dont ils respecteront les règles de construction pour assurer une compatibilité. On tentera de capter les traits spécifiques de la variété et le cas échéant, d’ajouter des graphes qui captent les régularités non décrites dans la batterie d’outils initiaux.

Il est possible de bâtir nos propres lexiques-grammaires (tables syntaxiques) grâce à un tableur. Chaque table du lexique-grammaire suit le même modèle syntaxique de base. La description des propriétés des phrases simples se fait sous forme de matrices. Un « + », à l’intersection d’une ligne et d’une colonne dénote l’acceptabilité de la structure associée alors qu’un « - » dénote l’impossibilité. Tous les mots contenus dans un dictionnaire électronique morphologique sont associés à un code qui renvoie aux tables correspondant aux différents usages de cet élément. Dans le lexique-grammaire des verbes du français standard, le verbe aller, qui permet un grand nombre d’emplois, apparaît dans un nombre de tables syntaxiques équivalent au nombre de ses emplois autorisés, soit vingt-et-une des quelque cinquante tables de verbe du français, c’est-à-dire presque la moitié des tables.

Cet ensemble de matrices permet aux utilisateurs du logiciel INTEX d’accéder aux données à partir de clés lexicales. La figure 1 est un extrait de la table syntaxique 5 dans laquelle nous pouvons apercevoir six emplois d’aller.

Figure 1

Extrait de la table syntaxique C1d du LADL

Extrait de la table syntaxique C1d du LADL

-> See the list of figures

La puissance d’INTEX permet de bâtir automatiquement un transducteur pour chacune de ces tables, ce qui devient un atout important de l’utilisation de ces tables versus les transducteurs finis (exemple, figure 2, graphe de l’expression figée perdre la raison). Il est toutefois important de conserver les propriétés du lexique-grammaire lors de la conception de ces tables.

Figure 2

Graphe de l’expression figée perdre la raison

Graphe de l’expression figée perdre la raison

-> See the list of figures

Notre contribution consiste à décrire le travail d’analyse préalable à la constitution des tables et à la formalisation. Nous nous en tenons à une utilisation particulière de l’outil INTEX, l’identification des expressions présentes dans le corpus et leur description, sans chercher à formaliser les résultats.

2. Le corpus

Le corpus utilisé est un roman d’un auteur acadien originaire de Bouctouche, dans le Sud-Est du Nouveau-Brunswick. C’est la narration de l’odyssée des familles acadiennes déportées en Nouvelle-Angleterre, mues par l’espoir de regagner leur pays et les terres qui leur ont été confisquées, bref, de retrouver la vie idyllique d’avant le « Grand Dérangement ». Le texte est rédigé dans un français standard soutenu – il a valu le prix Goncourt à Madame Maillet en 1979 – et il est parsemé d’expressions en « vieil acadien », soit des mots de vocabulaire, une phraséologie et des expressions idiomatiques qui reflètent un mode de vie périmé et des usages attribués « aux anciens », le prototype étant la finale en — ons/ont du verbe : j’avions, ils disont. Bref, il s’agit de faits d’oralité qui se trouvent dans les dialogues ou qui sont intégrés à la narration, notamment dans le discours rapporté indirect. Avec l’objectif de préparer le terrain pour la formalisation du lexique-grammaire de l’acadien, cette étude se veut une première exploration des problèmes reliés à l’automatisation de la reconnaissance de textes présentant des particularités acadiennes non — standard. Aussi, nous avons voulu expérimenter en observant de plus près le comportement du verbe aller en acadien à partir d’un texte qui présente pas mal de particularités non standard. Le texte a été choisi pour ces particularités et parce que nous avions déjà le fichier numérisé du volume. Afin de repérer toutes ces variantes non reconnues par INTEX, il a fallu à partir de la liste des mots non reconnus, régler les questions qui relèvent des graphies multiples et celles qui relèvent de la morphosyntaxe. Les transducteurs finis ont été très utiles pour cela.

3. Les transducteurs finis

Une particularité des textes qui reproduisent le parler oral acadien est la présence de formes qui ne sont pas conformes au français écrit standard. Lorsqu’on demande à INTEX de retrouver toutes les formes du verbe aller dans un texte acadien, il ne reconnaîtra pas par exemple la forme du subjonctif présent non standard transcrit de la façon suivante : I faut que j’ialle (que j’y aille), pas plus que la deuxième personne du singulier tu ialles ou la 3e personne du pluriel i(ls) iaillent. Afin de s’assurer de couvrir les particularités de l’acadien, formes non reconnues par INTEX, il est possible de construire un transducteur fini pour retrouver des mots qui ont des graphies différentes, comme tsar, czar au singulier ou au pluriel. Nous avons construit sur ce modèle un transducteur qui permet à INTEX de reconnaître les variantes standard et non standard du verbe aller au subjonctif que nous pouvons rencontrer en français acadien (Figure 3).

Figure 3

Transducteur des différentes graphies, en acadien, du subjonctif présent du verbe aller

Transducteur des différentes graphies, en acadien, du subjonctif présent du verbe aller

-> See the list of figures

Appliqué à huit corpus acadiens oraux et écrits afin de repérer d’autres formes de ce verbe qui ne seraient pas reconnues dans INTEX, une seule forme a été repérée dans la liste de mots non reconnus que nous fournit le logiciel quand on applique les ressources lexicales, soit des mots qui ne figurent dans aucun de ses dictionnaires ou graphes. Il s’agit d’un emploi idiosyncratique de Maillet, soit la forme future irai, coiffée d’un accent circonflexe sur le « i » final, dans la phrase « J’iraî itou à la queste de l’ours, que se dit le vilain » (Pélagie-la-Charrette, Maillet 1979). Afin d’obtenir toutes les formes du verbe aller dans un corpus acadien, la recherche doit se faire par le transducteur de la figure 4, qui décline les prononciations « acadiennes » du subjonctif[3], et la forme idiosyncratique iraî. Le dépouillement de nouveaux corpus pourra confirmer si cet emploi est un hapax ou non, ou encore si d’autres graphies se trouvent ailleurs. Puisque les terminaisons du verbe en français standard sont utilisées en français acadien, ce transducteur doit être appliqué en combinaison avec le lemme <aller>, présent dans la grammaire d’INTEX.

Figure 4

Transducteur des différentes formes graphiques du verbe aller en français acadien

Transducteur des différentes formes graphiques du verbe aller en français acadien

-> See the list of figures

4. Méthodologie

Le transducteur, appliqué avec <aller>, a repéré exactement deux cents (200) occurrences du verbe aller dans les 75 835 mots du roman. INTEX construit automatiquement la liste des occurrences dans les phrases où elles apparaissent. L’étape suivante consiste à produire un graphe qui puisse rendre compte de l’ensemble des constructions possibles compte tenu de la nature des éléments qui précèdent et qui suivent immédiatement le verbe. Les éléments ont été regroupés en fonction des catégories par approches successives des données jusqu’à épuisement des phrases attestées, ce que représente le graphe global de la figure 5.

Figure 5

Transducteur du graphe global

Transducteur du graphe global

-> See the list of figures

Ce graphe se lit de façon linéaire, de gauche à droite. Chaque chemin, depuis la flèche de départ jusqu’au noeud terminal, indique un contexte d’utilisation morphosyntaxique différent du verbe aller dans le livre Pélagie-la-Charrette. Passons par quatre chemins… à titre d’illustration. Le chemin minimal serait un énoncé comme Allons ! (l’impératif ou le marqueur discursif), qui va directement de la flèche initiale au noeud terminal en passant par aller. Le radoteux va conter part de [Sujet de P], traverse <aller>, poursuit son chemin par [Verbe infinitif] jusqu’au noeud terminal. Aller est alors semi-auxiliaire. Le chemin de elle va sus ses vingt ans part de [Sujet de P] (elle), passe par <aller> et continue à [GP=groupe prépositionnel] (sus ses vingt ans) et rejoint le noeud terminal. Le dernier chemin que nous suivrons explique l’utilisation des boucles dans les graphes. Ces dernières indiquent que l’élément peut se répéter un nombre indéfini de fois. Dans Allons-nous-en, on part de <aller> et on passe par [pronoms personnels] pour lire « nous », puis de nouveau pour lire « en ». On aboutit finalement au noeud terminal.

5. Description des sous-graphes

Chaque boîte ombragée indique qu’un sous-graphe a été bâti et nommé sous le nom présent dans cette case de façon à ce qu’INTEX le repère au moment de l’appliquer au texte. Le procédé est récursif, c’est-à-dire que les graphes peuvent s’emboîter les uns dans les autres. Le nom sous lequel a été sauvegardé un sous-graphe correspond toujours exactement au nom qui apparaît dans le graphe de façon à ce qu’INTEX le retrace dans la banque des graphes. Voyons par exemple la description du graphe Sujet de P, le plus complexe de tous ceux qui sont présents dans ce travail puisqu’il comporte jusqu’à quatre niveaux d’enchâssement.

Sujet de P se compose de trois sous-graphes, comme le montrent les boîtes ombragées de la figure 6 : le graphe des noms propres et des groupes nominaux qui représentent des personnes (étiquetés « +humains » [+Hum]); les groupes nominaux qui désignent des noms communs non humains (GN[— Hum]) et les pronoms sujets.

Les deux premiers sous-graphes s’ouvrent sur l’énumération des occurrences de noms propres et groupes nominaux attestés dans le corpus (voir les figures 7 et 8, à titre d’exemples).

Figure 6

Transducteur du graphe « sujet de P »

Transducteur du graphe « sujet de P »

-> See the list of figures

Figure 7

Transducteur du sous-graphe « GN noms propres ou GN communs de personnes [+Hum] »

Transducteur du sous-graphe « GN noms propres ou GN communs de personnes [+Hum] »

-> See the list of figures

Figure 8

Transducteur du sous-graphe « GN noms communs [– Hum] »

Transducteur du sous-graphe « GN noms communs [– Hum] »

-> See the list of figures

Le troisième sous-graphe de Sujet de P, intitulé « Pronoms sujets de P » dans la figure 6, comporte un nouvel ensemble de sous-graphes dont le contenu est finalement détaillé dans le graphe de la figure 9.

Figure 9

Transducteur du sous-graphe « Pronoms sujet de P »

Transducteur du sous-graphe « Pronoms sujet de P »

-> See the list of figures

Chacune des cases du dernier graphe s’ouvre sur l’énumération des pronoms sujets présents dans Pélagie-la-Charrette[4].

Figure 10

Transducteur des sous-graphes inclus dans « Pronoms sujet de P »

Transducteur des sous-graphes inclus dans « Pronoms sujet de P »

-> See the list of figures

De la même façon, les cases ombragées à droite du verbe aller contiennent les occurrences de verbes infinitifs, des adverbes et de groupes prépositionnels (GP) qui viennent saturer la valence du verbe aller dans notre corpus. Voici le graphe GP à titre d’exemple (Figure 11).

6. Observations générales

Comme nous venons de le voir, chaque case du graphe peut-être composée de plusieurs autres sous-graphes, et ces sous-graphes peuvent en contenir d’autres et ainsi de suite. Le graphe de la figure 4 a le mérite de rassembler en une seule figure l’ensemble des contextes représentés dans Pélagie-la-Charrette, y compris les expressions figées qui sont analysées en leurs différents éléments.

Au niveau syntaxique, l’ensemble des constructions semble conforme au français standard. Le travail de catégorisation fait ressortir quelques particularismes que l’on puisse consigner dans les dictionnaires « acadiens » tels les verbes quérir, corver, la prononciation ouère de « voir », les adverbes betôt (« bientôt »), itou (« aussi »), le démonstratif c’tuy-là (« celui-là »), des noms propres inusités comme Bélonie, l’usage répandu du déterminant devant un nom propre (la Catoune, la Marie).

Figure 11

Transducteur du sous-graphe « GP »

Transducteur du sous-graphe « GP »

-> See the list of figures

Mis à part les éléments contingents comme la négation et les adverbes de temps dans le contexte à droite, aller est semi-auxiliaire lorsqu’il est suivi d’un verbe infinitif [aller + V : inf] (1) conformément à l’usage standard. En construction libre, il est suivi d’un complément indirect [aller + GP] (2) ou d’un adverbe ou locution adverbiale [aller + adverbe] (3). Dans l’exemple (4), il est analysé comme un verbe di-transitif, soit suivi de deux compléments prépositionnels [aller+GPde+GPà] (4). Enfin, il est utilisé intransitivement à l’impératif (5). On peut alors se demander s’il s’agit toujours du verbe assumant son plein sémantisme, ou s’il n’est pas plutôt une interjection.

On aura peut-être noté que les groupes prépositionnelles (GP) attestés dans Pélagie-la-Charrette (Figure 11) sont pour la plupart rattachés à des expressions figées, surtout celles qui sont introduites par les prépositions à et sur, comme l’attestent les exemples en (6a-b) ci-dessous.

En fait les expressions figées suivent souvent le modèle des constructions de phrases libres, mais l’emploi de l’intransitif dans par les temps qui vont (7) n’est pas prévu en construction libre. L’expression n’est toutefois pas exclusive à l’acadien.

Toujours comme en français standard, le parler acadien fait usage du verbe aller dans la construction figée pronominale composée du pronom réflexif se et du pronom complément de provenance en : [s’en aller] suivi d’une complétive infinitive (8). Une construction pronominale intéressante en acadien ressort pourtant du graphe global, celle de [s’+aller] que nous retrouvons notamment dans la phrase Un homme peut s’aller quéri. À mettre également dans les expressions figées particulières, la construction pronominale s’en aller, suivie de l’infinitif :

Le système INTEX prévoit que l’on range dans des dictionnaires différents les expressions figées et les utilisations libres et que l’on consigne sous forme de graphes les différentes expressions figées en fonction de leur construction et de leur sens. Le tableau d’ensemble ne changerait pas significativement d’aspect si on extrayait les emplois figés. Seule la boîte [pronoms non sujet] dans le contexte avant <aller> est liée directement à la locution s’en aller. Les autres constructions ont une relation ambiguë entre la construction libre et les expressions figées.

Conclusion

Ce projet a permis de bâtir un outil électronique de recherche morphosyntaxique des utilisations du verbe aller dans le roman Pélagie-la-Charrette d’Antonine Maillet (1979). Nous avons franchi un premier pas vers la description de ce verbe dans un dictionnaire électronique acadien. En se servant du graphe global obtenu, il est possible de rechercher, à l’aide d’INTEX, les structures non reconnues par ce graphe dans d’autres textes acadiens afin de les y incorporer. On pourra alors généraliser la description et passer à la deuxième utilisation d’INTEX, qui consiste à utiliser les dictionnaires et les graphes pour formaliser la langue, notamment décrire tous les emplois possibles du verbe aller en construisant des grammaires des emplois libres et figés.