Search

Le projet Sittelle, initié en 2021 à l'occasion de la préparation des 35 ans de la Sémantique interprétative, construit progressivement un corpus des écrits de sémantique interprétative de François Rastier et propose de le parcourir avec des outils textométriques. Sa motivation est pédagogique (éclairer la compréhension par d'autres parcours de lecture), épistémologique (approfondir ou compléter la description de la pensée rastiérienne par des observations méthodiques) et linguistique (expérimenter une modélisation de structures textuelles et intertextuelles, approcher le fonctionnement des isotopies). Son mode d'organisation opte pour la science ouverte.Le contexte de cette session, questionnant la construction et l'exploitation des corpus numériques, est l'occasion de partager quelques questions rencontrées ou attendues dans la mise en oeuvre initiale de ce corpus d'écrits de Sémantique interprétative.

International audience; Le projet de la Base de français médiéval (BFM, http://txm.bfm-corpus.org) fait partie des membres fondateurs du Consortium CAHIER. Les origines du projet remontent à la fin des années 1980 et son évolution a suivi, et parfois anticipé, les grandes tendances du développement des humanités numériques. L'expérience de la BFM a permis de contribuer à plusieurs chantiers du consortium CAHIER : l'accès libre aux données, les normes d'encodage (et notamment l'usage de la TEI), la typologie textuelle, la mise en place de chaînes éditoriales ouvertes. Les échanges qui se sont produits dans les groupes de travail et lors des ateliers du consortium permettent à leur tour d'améliorer les pratiques d'encodage et les outils proposés aux utilisateurs de la BFM et d'assurer une plus grande interopérabilité et pérennité des données.La constitution de la BFM a commencé par la numérisation de l'édition de la Queste del saint Graal d'A. Pauphilet (1923) et la base a été enrichie au fil des ans grâce à des vacations, aux contributions de doctorants de Ch. Marchello-Nizia, aux échanges avec des collègues et, plus récemment, grâce à des financements ANR. A ce jour, la BFM comprend 170 textes composés entre le 9e et le 15e siècle, soit près de 4,7 millions de mots. Pour la Queste del saint Graal l'édition de Pauphilet a d'ailleurs été remplacée dans le corpus par une édition numérique originale (Marchello-Nizia et Lavrentiev 2019). Une augmentation importante du corpus est prévue en 2021. Les textes de la BFM sont étiquetés en morphosyntaxe et lemmatisés (avec ou sans vérification) et bénéficient du balisage XML-TEI enrichi. En particulier, le discours direct est balisé dans l'ensemble du corpus, ce qui permet de mener des recherches sur l'oral représenté (Guillot-Barbance et al. 2018). De nombreuses thèses et travaux de recherche ont été réalisés grâce aux données de la BFM. Notamment, la partie médiévale du corpus de la Grande grammaire historique du français (Marchello-Nizia et al. 2020) est entièrement issue de la Base de français médiéval. La BFM est accessible en ligne grâce au logiciel « portail TXM » (http://textometrie.org), les textes peuvent être consultés librement et l'accès au moteur de recherche et d'analyse est donné gratuitement sur simple inscription (Guillot-Barbance et al. 2017).Quand la TGIR Corpus (prédécesseur d'Huma-num) lance en 2010 l'appel à la création de consortiums de corpus, la BFM faisait déjà, depuis 2004, partie du Consortium international pour les corpus de français médiéval (CCFM, http://ccfm.ens-lyon.fr). Cette organisation informelle, n'ayant jamais bénéficié d'un financement spécifique et dont l'activité s'est estompée après 2008, a néanmoins permis d'entamer la réflexion et de publier des documents de travail sur les normes communes d'encodage et de description des textes, ainsi que sur les conditions d'accès aux corpus et d'échange de données. L'expérience du CCFM a sans doute inspiré l'initiative de la TGIR Corpus et a servi de point de départ pour certaines activités de CAHIER (notamment pour l'organisation de groupes de travail et pour la rédaction de guides de bonnes pratiques).L'un des premiers groupes de travail de CAHIER visait à traiter les questions juridiques liées aux droits d'auteurs (et d'éditeurs) et à la mise à disposition de corpus. La BFM avait commencé comme un ensemble de concordanciers échangés dans un cadre privé entre chercheurs sous la forme de CD-ROM ou de tirages papier, puis elle avait progressivement ouvert l'accès à l'interrogation et au téléchargement du corpus sur Internet. Elle avait une longue histoire de relations complexes avec les éditeurs commerciaux. Denise Pierrot, qui s'est occupée des questions juridiques pour la BFM, a également joué un rôle important dans le groupe de travail correspondant de CAHIER et a contribué à la rédaction du Guide des bonnes pratiques. La situation juridique a évolué suite aux décisions de justice dans le procès Droz contre Garnier numérique (2014 et 2017), ce qui a rendu possible la mise à disposition libre de textes historiques (hors apparat critique).La pérennisation des données, grâce notamment à l'usage de l'encodage XML-TEI pour les textes et les annotations, a été la priorité pour la BFM depuis le début des années 2000 (Guillot et Heiden 2002). Le consortium CAHIER a pu bénéficier de la documentation de la BFM relative à l'encodage TEI du corps du texte et de l'entête (teiHeader) des documents. La BFM a été l'un des premiers projets à se conformer au modèle élaboré pour l'outil Weboai de CAHIER permettant le moissonnage des métadonnées (http://weboai.cahier.huma-num.fr). Toujours dans le domaine des métadonnées, les descripteurs typologiques de BFM, tels que le genre ou le domaine du texte, ont servi de base au thésaurus élaboré par le groupe de travail « Typologie textuelle » de CAHIER. Ce thésaurus, très riche et soigneusement structuré, permettra à son tour de préciser les métadonnées des futurs corpus de la BFM et de faciliter l'analyse de données de corpus agrégés à partir de plusieurs sources.La pérennisation des données de recherche conformément aux principes FAIR (Findability, Accessibility, Interoperability and Reusability) est l'activité du Consortium CAHIER fortement encouragée par la TGIR Huma-Num. Même si la vision qui semble se dégager des recommandations du conseil scientifique d'Huma-Num et qui consiste à exiger avant tout le dépôt des données dans l'outil Nakala nous paraît un peu réductrice, il est certain que l'archivage pérenne et l'accessibilité des données sont extrêmement importants. Le soutien que CAHIER assure pour le dépôt des textes et des images dans NAKALA est très précieux pour la BFM.La formation aux outils d'édition, d'analyse et de publication de corpus ouverts, ainsi que l'échange de bonnes pratiques éditoriales, a toujours été l'une des principales activités de CAHIER. La BFM, qui se développe en étroite collaboration avec la plateforme de préparation, d'analyse et de préparation de corpus TXM (Heiden et al. 2010) a pu partager son expérience, et des membres de l'équipe BFM ont animé de nombreuses séances de formation lors des ateliers CAHIER.Le consortium CAHIER a également favorisé les échanges entre l'équipe TXM et le Pôle document numérique de la MSH de Caen qui développe la chaîne éditoriale Métopes (grâce notamment au financement d'un stage en 2017). La BFM bénéficie actuellement de certains éléments de Métopes pour la mise en page de ses éditions au format PDF et des scripts de traitement automatique permettant d'importer dans TXM des documents XML-TEI créés avec Métopes ont été élaborés.La BFM est un projet qui a commencé bien avant la création du Consortium CAHIER et qui va sans doute continuer à se développer après la disparition de CAHIER dans sa forme actuelle de consortium de la TGIR Huma-Num. Quel que soit l'avenir du Consortium, nous sommes convaincus que les ressources numériques, les méthodes et les outils de travail élaborés grâce ou avec le soutien de CAHIER ainsi que les relations humaines et les partenariats de recherche qui se sont tissés au cours des dix ans de ses activités continueront à jouer un rôle important dans la communauté des humanités numériques.

International audience; Les linguistes travaillant sur l’histoire de la langue ont toujours exploité et utilisé comme principale source d’exploration les éditions « classiques », bien que depuis longtemps on connaisse leurs limites pour la recherche linguistique. Le développement des technologies modernes a d’un autre côté rendu le recours à de nouveaux outils (concordances, index, calculs statistiques) peu à peu indispensable à la recherche en langue, et plus récemment, les progrès continus de la technologie ont également permis d’envisager la réalisation d’éditions d’un nouveau type. L’édition numérique, qui a déjà donné lieu à plusieurs réalisations concrètes, a ainsi permis aux linguistes auparavant bridés par le papier et les techniques traditionnelles d’exprimer plus librement leurs besoins et leurs exigences. Plusieurs recherches récentes déjà publiées montrent l’efficacité de ce mouvement et le caractère novateur des acquis ainsi obtenus. A partir d’un exemple concret d’édition numérique interactive, notre présentation détaillera les enjeux méthodologiques liés à ces nouveaux outils et à ces nouvelles pratiques, en proposant une réflexion sur le concept de « philologie numérique » et en montrant ses principaux apports pour la recherche diachronique. Cette question sera illustrée en particulier par la question de la segmentation des mots.

International audience; Comment construire un glossaire pour la correspondance de Mme de Sévigné, tenant compte des archaïsmes et des modernismes? Quelles ressources lexicographiques anciennes et contemporaines? Comment encoder ce glossaire en XML-TEI?

Part of the geste du roi, the Chanson d'Otinel had not been the subject of an edition since the pioneer work of F. Guessard and H. Michelant in 1858. Starting with the tangible objects that manuscripts are, and proceeding to the study of the tradition and work itself, this study aims to provide a new examination of all the available data, in order to enable a restoration of a song that has know an important diffusion in Medieval Europe, but whose scattered remains only are available to us.This study is given a firmly methodological orientation, and searches to apply to the edition the epistemological progresses brought by recent contributions in the field of textual criticism and ecdotics, as well as by what is now called “Digital Humanities”. It aims at overcoming the debate between “New” and Traditional Philology, based on the common errors method or of Bedierist inspiration, to place itself in the perspective of a “Fourth Way” and of an edition “oriented towards the tradition”.Digital scholarly editing and Digital Philology techniques are used in order to provide a full edition of the manuscript corpus, with “layered” transcriptions that give access to different representations and to the graphic system of all witnesses. The edition aims also at the study and description of the links between these witnesses, by suggesting a method of representation of textual variance and by rooting genealogical analysis in a global consideration of the tradition, including medieval translations (in Welsh, Norse, English) and derived versions.The modelling and description of manuscripts and their texts – formalised by an xml/tei model conceived for this edition but seeking to be of more general interest – is clearly oriented towards data mining, and computational as well as traditional analysis (Palaeography, Scriptometry, Stemmatology). Methods from the fields of mathematical modelling, statistics, algorithmic, and artificial intelligence are put to use, as well as processes seeking to allow interoperability, scalability, and systematisation of editorial work (optical character recognition, linguistic tagging, collation), in a workflow centred on analysis. Main used languages are xml (tei, xslt), r and Python., Se rattachant à la geste du roi, la Chanson d'Otinel n'avait pas été rééditée depuis le travail pionnier de F. Guessard et H. Michelant en 1858. Partant des objets tangibles que sont les manuscrits pour aller vers l'étude de la tradition et de l'œuvre, ce travail se propose de réexaminer l'ensemble des données disponibles, en vue de permettre la restauration d'une œuvre qui a connu une diffusion importante dans l'Europe médiévale, mais que nous ne conservons qu'en l'état de vestiges épars.La thèse prend un parti résolument méthodologique, en cherchant à faire bénéficier l'édition des progrès épistémologiques engendrés tant par les contributions les plus récentes aux débats propres à l'ecdotique et à la critique textuelle que par ce qu'il est convenu d'appeler les « humanités numériques ». L'édition tente ainsi de dépasser l'opposition entre philologie « nouvelle » et traditionnelle, de la méthode des fautes communes ou d'inspiration bédiériste, pour se placer dans la perspective d'une « quatrième voie » et d'une édition « tournée vers la tradition ».Les techniques de l'édition électronique et de la philologie numérique sont sollicitées afin de fournir une édition complète du corpus manuscrit, qui, par des transcriptions « à couches », donne accès à différentes représentations et au système graphique des différents témoins. L'édition vise également à la description et l'analyse des liens que ces témoins entretiennent entre eux, en mettant en place une méthode de représentation de la variance textuelle et en cherchant à appuyer l'analyse généalogique sur une prise en compte globale de la tradition, incluant les traductions médiévales (galloises, norroises, anglaises) et les versions dérivées.Le travail de modélisation et de description des manuscrits et de leurs textes, formalisé par un modèle xml/tei conçu pour les besoins de cette édition mais se voulant de portée plus générale, est très nettement tourné vers l'exploitation des données, dans une perspective d'analyse quantitative doublée d'une approche plus traditionnelle (paléographie, scriptométrie, stemmatologie). Des méthodes relevant de la modélisation mathématique, de la statistique, de l'algorithmique et de l'intelligence artificielle sont mises en œuvre, ainsi que des traitements visant à permettre l'interopérabilité, la montée en masse et la systématisation du travail éditorial (reconnaissance optique de caractères, annotation linguistique, collation), au sein d'une chaîne éditoriale faisant la part belle à l'analyse. Les développements effectués sont principalement en xml (tei, xslt), r et Python.

International audience; La place croissante du numérique dans les pratiques langagières, textuelles et discursives, et le développement des données, ressources et outils numériques interrogent fondamentalement le linguiste.L'échange proposé s'ancrera plus spécifiquement dans le terrain de la linguistique textuelle et de l'analyse du discours, et décrira les modifications que le numérique implique dans la production et la circulation des textes et des discours, ainsi que dans les modalités de leur analyse et interprétation linguistiques. Ces modifications se situent à plusieurs niveaux.Modifications des formes langagières, textuelles et discursivesLa production verbale en contexte numérique (en ligne ou hors ligne) implique des modifications dans les formes langagières elles-mêmes (sur les plans graphique, morphographique, technomorphographique notamment) ; dans les formes phrastiques et discursives en production comme en réception (délinéarisation hypertextuelle par exemple, qui implique un énoncé de geste de la part du scripteur comme du lecteur) ;dans les dispositifs énonciatifs (locuteurs augmentés et collectifs, modification de la notion d'auteur) ;dans les genres textuels et discursifs (technogenres natifs de l'internet) ; dans le rapport entre écriture et lecture (phénomène d'écrilecture) ; ou dans la nature même des énoncés qui présentent une hybridité sémiotique inédite (éléments langagiers couplés à des éléments iconiques fixes ou animés, et/ou sonores).Modification du rapport aux données langagières, textuelles et discursivesPour le chercheur, le numérique modifie également le rapport à la langue et aux données linguistiques, aux textes et aux discours. Jusqu'à quel point le numérique modifie-t-il le mode de constitution de nos objets, de nos corpus, de nos observables ? A partir de leur expérience, les intervenants témoigneront de ce que la pratique numérique révèle de l'établissement des textes, de leur représentation et de leur analyse. Si le transfert massif des ressources papier vers des ressources numériques interroge, à un premier niveau, en donnant la possibilité de transformer le texte en un texte augmenté ou en un hypertexte doté de sa réticularité, le caractère nativement numérique de la plupart des documents contemporains questionne aujourd’hui le linguiste, à un deuxième niveau, en proposant de nouveaux observables pour de nouveaux parcours analytiques et interprétatifs.Modification de la circulation des productions nativesLes textes et discours circulent dans les environnements numériques natifs de manière inédite : leur investigabilité (searchability), la possibilité de leur redocumentarisation (passage d'un ensemble de traces éparses à un document via des outils de curation ou redocumentarisation) mais aussi leur imprévisibilité discursive (la captation des traces par les algorithmes producteurs apparemment autonomes de discours) les inscrivent dans une mémoire numérique explicite et quantifiable, différents des dispositifs interprétatifs et de reconnaissance culturelles qui structurent la compréhension d'un texte imprimé dans un contexte hors ligne. Enfin, dans les écosystèmes numériques natifs (du web 2.0), tout énoncé est fondamentalement et techniquement relationnel, ce qui ajoute une dimension supplémentaire et questionne par ailleurs la notion devenue évidente et nécessaire de dialogisme.Modifications théoriques et méthodologiques de la linguistiquePar conséquent, aux plans théoriques et méthodologiques, nous sommes amenés à problématiser l'incidence du numérique sur la démarche linguistique : ses questionnements, ses objectifs, ses méthodes. Comment la description de la langue peut-elle s'articuler avec les attestations qui gisent dans les immenses bases de données issues d'internet ? Les corpus apportent à la fois une relativisation des résultats qu'il faut accommoder avec la visée scientifique généralisante, et une quantification qui ouvre une nouvelle dimension à la description linguistique, passant du possible / impossible à un continuum de probabilités. Plus spécifiquement, pour la linguistique textuelle et l’analyse du discours, « l’archive universelle », « l’horizon d’attente » et la notion cardinale d’« intertextualité » ne sont-ils pas révolutionnés par la disponibilité et l’accessibilité d’une archive numérique immense et à chaque instant démultipliée ? Jusqu'à quel point le numérique change-t-il nos points de vue, c'est-à-dire nos lieux d'observation, sur la langue et les discours ? Inversement, l'approche numérique pourrait induire certains angles morts, à identifier et discuter, comme peut-être le "silence" des formes non attestées, ou l'occultation des cas singuliers par les phénomènes massifs.

L'introduction de la ponctuation moderne et interprétative a été le choix de la grande majorité des éditeurs scientifiques des œuvres françaises médiévales. Ce choix, qui impose au lecteur une certaine interprétation du texte et le prive en partie de sa polysémie naturelle, s'est imposé dans les éditions traditionnelles sur papier, car un texte non ponctué ou reproduisant fidèlement la ponctuation scribale aurait été très difficile à comprendre pour un lecteur moderne. On sait par ailleurs que la ponctuation pouvait varier énormément d'un manuscrit à l'autre d'une même œuvre, ce qui fait que la ponctuation des manuscrits médiévaux n'est jamais (ou n'est que très rarement) celle de l'auteur. Les technologies numériques offrent désormais la possibilité de ne plus se limiter à une interprétation possible, mais de laisser le lecteur choisir une " facette " éditoriale (de la plus fidèle à la source à la plus interprétative et normalisée) qui lui convient le mieux. Bien entendu, aucune édition ou même transcription de manuscrit ne peut s'affranchir de choix éditoriaux et d'interprétations. La ponctuation stricto sensu est d'ailleurs étroitement liée aux autres dispositifs de la structuration graphique (séparation des mots, emploi de majuscules et de lettrine, mise en page...). Dans notre intervention, nous nous appuierons sur l'expérience de l'édition numérique de la Queste del saint Graal (http://catalog.bfm-corpus.org/qgraal_cm) pour présenter les règles de l'établissement de la ponctuation dans les différentes facettes du texte en ancien français avant d'engager une réflexion plus générale sur les principes éditoriaux qui sont en train s'établir dans le cadre de la Base de Français Médiéval.

International audience; Ugarit literary materials in alphabetic cuneiform have been mainly studied by Ugaritologists with a biblical background, their research pursued by their scientific heirs ; de facto their approach is less favorable to an impartial study of power relationships between different entities of opposite biological (as opposed to social) gender.Avoiding the trap of subjective interpretation makes it essential to use as neutral a tool as possible. The inventory of lexemes (IoL) proves to be such a tool for transparency analyses. Among other things it enables to highlight action verbs for each studied entity, be it divine or human, male or female. To determine social sex, the IoL of action verbs has been as unbiased a methodological tool as possible. Its interest is three-fold :1) for a “female”, to distinguish verbs associated to ‘heteronormativity’ or to the ‘performativity’ of sexual gender ; 2) to draw up statistics of action verbs to determine the agency of involving all entities and their influence ; 3) taking into account socio-political context and cultural areas, a semantic and comparative analysis of commonly used Ugaritic verbs will make it possible to analyze the lexical choice of verbs used by entities of social sex ‘man’ or social sex ‘woman’ from a representative corpus from Mari, Ebla, Emar, Nuzi, Ḫatti and Sumerian texts.For example, the IoL of West Semitic goddess ʿAnatu, one of the main protagonists of the Baʿlu Cycle from Ugarit, will be established. Let us consider the verb mḫṣ, “to kill or beat” used six times to describe ʿAnatu’s actions. What are the other verbs used for the same purpose in the same semantic field? In what sociopolitical and cultural context is it used elsewhere in the Ugaritic corpus ? By which biological or social sex?This parallelism will not be limited to the Ugaritic corpus but will be also compared to a list of equivalent action verbs belonging to the same semantic field in Hittite (kuen-), Sumerian (SIG3/RA) and Akkadian (maḫāṣu). The major objective is to determine whether the social sex of ʿAnatu can be determined, and her decisions legitimated, by examining the semantics of the action verbs according to the contexts and culturalareas.

International audience; Le ms. Londres, BL Arundel 230, daté probablement de la seconde moitié du XIIe siècle, contient un Psautier bilingue à usage liturgico-dévotionnel où la traduction interlinéaire en anglo-normand, en très petite écriture, s'insère entre les longues lignes des versets latins, copiés dans un gros module. Le texte latin est encore très proche du Psautier romain, compilation diffusée en Angleterre avant la traduction hyéronymienne connue sous le nom de Psautier gallican, alors que la glose française a dû être composée à partir d'un psautier latin qui contenait un texte légèrement différent. Plusieurs auteurs (BERGER 1884 en premier) ont déjà remarqué la proximité entre cette traduction française et celle du Psautier d'Oxford (ms. Oxford, Bodleian Douce 320), qui apparaît comme la première traduction du psautier en français médiéval et qui, copiée sans le latin, répond à un besoin différent du cas courant de la liturgie. Alors que dans le Psautier d'Oxford la traduction se présente comme un texte suivi, sous forme unilingue, dans le Psautier d'Arundel les blocs de mots ne semblent pas tenir compte de la syntaxe française et sont plutôt disposés, comme des gloses, dans l'interligne du texte latin de sorte à se trouver en regard des groupes de mots latins correspondants. Cette disposition du texte français permet de se demander si le Psautier d'Arundel ne représenterait pas la forme primitive de la traduction du Psautier. BERGER 1884, 17 a déjà démontré qu'il ne faut pas attribuer cette importance au Psautier d'Arundel, dont la traduction est empruntée à un Psautier au texte continu de la famille du Psautier d'Oxford, que le copiste retourne, en l'adaptant plus ou moins bien mais en ayant toujours en vue de coller au plus près au texte latin souscrit. Si le copiste d'Arundel suit l'ordre des mots latins plus volontiers que celui d'Oxford, les traductions anglo-normandes du Psautier au XIIe siècle apparaissent de toute façon très serviles par rapport au texte biblique, qui impose un style particulier, et que parfois elles ne comprennent pas correctement. Comme nous l'avons déjà montré (PIGNATELLI 2009 et 2012), l'étroite dépendance à l'égard de la syntaxe latine y apparaît dans une mesure nettement supérieure à celle qu'on constate dans les textes traduits et non traduits de l'époque, malgré des dérogations à l'ordre des termes dans l'original qui avaient déjà été partiellement étudiées par HERMAN 1954. Pour l'édition du texte du Psautier d'Arundel, où le copiste a tenu à faire correspondre les blocs de mots de la traduction à ceux du latin, il est donc primordial de pouvoir respecter le parti de mise en texte du manuscrit, où le psautier latin constitue le cadre sur lequel la traduction française se calque " physiquement ". L'édition électronique permet aujourd'hui de résoudre ce type de problèmes grâce à une présentation 'multi-modale' ou 'multi-facettes' : par un simple jeu d'affichage, on peut ainsi avoir accès à différents types de transcriptions du texte enrichies d'annotations éditoriales. Nous procédons donc actuellement à une édition numérique du Psautier d'Arundel, menée avec l'aide des membres de l'équipe ICAR (CNRS / Université Lyon 2 / ENS de Lyon), et qui prévoit d'abord une remise à plat des lectures de BEYER. Le texte, balisé en XML en respectant les recommandations de la TEI P5, est ensuite soumis à des outils de visualisation, d'extraction et d'analyse des données fournis par la plateforme TXM développée au Laboratoire ICAR (HEIDEN / LAVRENTIEV 2012). L'utilisation de ces programmes, rendant possible l'alignement des textes et l'annotation des éditions, permet de visualiser, dans ses deux versions, semi-diplomatique et normalisée, l'étroite correspondance qui a été recherchée par le scribe entre le texte latin et sa glose. Le CILPR 2013 sera l'occasion de présenter pour la première fois le prototype d'édition numérique interactive de ce texte sur le portail web de la Base de Français Médiéval (http://txm.bfm-corpus.org/bfm), où la communauté scientifique pourra feuilleter les différents niveaux d'édition, utiliser les différentes fonctionnalités de recherche et d'analyse textométrique, et suivre l'évolution du chantier.

Medieval French punctuation still remains an underexplored field in historical linguistics, although some research has been carried out since 1970ies. Medieval punctuation is almost completely ignored by scholarly editions. However it does contain some useful linguistic data, as it allows to see what was the “natural” text structure for medieval scribes and gives the reader some guidelines for interpretation of a written message. The goal of this thesis is to contribute to the knowledge of major trends in the evolution of the practice of punctuation in medieval French manuscripts and incunabula in two ways. On the one hand a methodology of representation of primary sources and their linguistic analysis is elaborated. On the other hand, new data are introduced and analysed. The linguistic analysis in this thesis is based on the functional approach of the language. Its spoken and written forms are considered to be systems of marks having a number of functions. Not only conventional punctuation marks are studied, but also all the other linguistic marks that can “work together” with punctuation in organising text structures at different levels. The research has been based on corpus of “multi-level” transcriptions of 29 manuscript and incunabula fragments (28 000 words) fully marked up for “punctuable units”. The XML transcriptions are TEI conformant and are integrated into the BFM Old French corpus ., La ponctuation du français médiéval reste de façon générale un domaine peu étudié, malgré un certain nombre de recherches menées dans le domaine depuis une trentaine d'années. Généralement « masquée » par les pratiques d'édition « scientifique », elle constitue pourtant une donnée linguistique non négligeable : elle révèle les structures dont le texte était constitué pour le « sujet écrivant » et donne au lecteur une orientation dans l'interprétation du message écrit. La présente thèse vise à contribuer à la connaissance des grandes tendances de l'évolution des pratiques de la ponctuation dans les manuscrits et incunables français grâce d'une part au développement d'une méthodologie de représentation des données primaires et d'analyse linguistique de ces données tenant compte de multiples facteurs de variation et, d'autre part, grâce à l'apport de nouvelles données factuelles et à leur interprétation. L'analyse linguistique effectuée se base sur une approche fonctionnelle de la langue, qui considère l'oral et l'écrit comme des systèmes de marques remplissant un certain nombre de fonctions. Sont donc étudiés non seulement les signes de ponctuation, mais aussi les marques linguistiques pouvant l'accompagner dans la structuration du texte à ses divers niveaux. L'étude a été menée à partir d'un corpus de transcriptions « multi-facettes » de 29 extraits de manuscrits et d'incunables (28 000 occurrences-mots) exhaustivement annoté en « unités ponctuables ». Les transcriptions encodées en XML sont conformes aux recommandations de la TEI et sont intégrées à la Base de Français Médiéval .

In this paper I will argue that it may be useful to introduce a special tag (e.g. ) for punctuation marks, which could join the TEI Analysis module along with , , and other "segLike" elements. I will first discuss the reasons why punctuation marks may need tagging, and then consider the TEI tags that might be used for that purpose. None of them appears to be perfect for this job. After discussing linguistic properties of punctuation marks, I will propose a tentative formal definition for the element.