Search

International audience; We hypothesize that traces of thematic activities present in the scientific productions of a company (the case of TotalEnergies) are useful for the social development of a company in full mutation. We present a new approach allowing us to identify these traces by using a cartography that shows the organization of the company, and by conducting interviews with the researchers and the communicators. This will then allow us to build a first ontology skeleton as recommended by the SAMOD methodology. Finally, we will detect and analyze traces in the scientific documentary corpus.; Nous faisons l'hypothèse que des traces d'activités thématiques présentes dans les productions scientifiques d'une entreprise (le cas de TotalEnergies) sont utiles à des fins de développement social d'une entreprise en pleine mutation. Nous présentons une nouvelle approche permettant d'identifier ces traces par l'exploitation d'une cartographie qui fait état de l'organisation de l'entreprise, la mise en oeuvre d'entretiens avec les chercheurs et les communicants. Cela nous permettra ensuite de construire un premier squelette d'ontologie comme le préconise la méthodologie SAMOD. Enfin, nous détecterons et analyserons des traces dans les corpus documentaires scientifiques.

Avec le soutien de l’université de Poitiers; International audience; Il devient superflu d’insister sur la révolution scientifique que représentent la numérisation et les capacités de mémoire dans la création de bases de données en sciences humaines. Le défi est désormais ailleurs : à la fois quantitatif et qualitatif. En effet la course est désormais à la constitution de très grosses ressources et les possibilités informatiques le permettent. Ce changement d’échelle a une incidence automatique sur la vie académique : les recherches qui ne reposeront pas sur un fondement quantitatif appréciable risquent fort d’être frappées de caducité. Mais la constitution de ces gros ensembles nécessite un soin méticuleux, des moyens matériels, mais surtout humains qui ne sont pas à la portée de tous les chercheurs.À supposer que ces conditions soient remplies, reste encore à s’entendre sur le contenu enregistré : aucun texte n’est numérisé et archivé de façon brute. Ce qui est à présent devant nous est donc autre : entre utilisation « maison » et normalisation des données, il s’agit de se frayer un chemin qui tout à la fois autorise les recherches les plus spécifiques sans pour autant priver la communauté d’une donnée échangeable et utilisable pour d’autres recherches.Ce volume répond à cette préoccupation : comment faire migrer de vieux corpus vers d’autres standards, comment ménager des besoins particuliers et un désir légitime d’exporter ailleurs des documents, de quels outils pouvons-nous disposer pour réaliser au mieux cette quadrature du cercle ?

Since the 2000s, new techniques of text analysis have emerged at the crossroads of computer science, artificial intelligence and natural language processing. Although they were developed independently of any sociological theory, these methods are now being used by researchers—sociologists and non-sociologists alike—to produce new knowledge of the social domain exploiting the massive volume of textual materials now available. By providing an overview of recent sociological investigations that are based on quantitative analyses of textual corpora, this article identifies three conditions under which these approaches can be a resource for sociological inquiry. The three conditions that emerge from our analysis concern: 1) knowledge of the context of production of textual inscriptions; 2) integration of external data into the study itself; 3) the adaptation of algorithms for sociological reasoning.; Depuis les années 2000, de nouvelles techniques d’analyse textuelle font leur apparition au croisement des mondes informatiques, de l’intelligence artificielle et du traitement automatique de la langue. Bien qu’élaborées en dehors de toute préoccupation sociologique, ces techniques sont aujourd’hui mobilisées par des chercheurs – sociologues comme non-sociologues – dans le but de renouveler la connaissance du social en tirant parti du volume considérable de matériaux textuels aujourd’hui disponibles. En dressant un panorama des enquêtes sociologiques qui reposent sur la mise en données et le traitement quantitatif de corpus textuels, cet article identifie à quelles conditions ces approches peuvent constituer une ressource pour l’enquête sociologique. Les trois conditions qui émergent de notre analyse concernent : 1) la connaissance du contexte de production des inscriptions textuelles ; 2) l’intégration à l’enquête de données extérieures au texte lui-même ; 3) l’ajustement des algorithmes au raisonnement sociologique.

Since the 2000s, new techniques of text analysis have emerged at the crossroads of computer science, artificial intelligence and natural language processing. Although they were developed independently of any sociological theory, these methods are now being used by researchers—sociologists and non-sociologists alike—to produce new knowledge of the social domain exploiting the massive volume of textual materials now available. By providing an overview of recent sociological investigations that are based on quantitative analyses of textual corpora, this article identifies three conditions under which these approaches can be a resource for sociological inquiry. The three conditions that emerge from our analysis concern: 1) knowledge of the context of production of textual inscriptions; 2) integration of external data into the study itself; 3) the adaptation of algorithms for sociological reasoning.; Depuis les années 2000, de nouvelles techniques d’analyse textuelle font leur apparition au croisement des mondes informatiques, de l’intelligence artificielle et du traitement automatique de la langue. Bien qu’élaborées en dehors de toute préoccupation sociologique, ces techniques sont aujourd’hui mobilisées par des chercheurs – sociologues comme non-sociologues – dans le but de renouveler la connaissance du social en tirant parti du volume considérable de matériaux textuels aujourd’hui disponibles. En dressant un panorama des enquêtes sociologiques qui reposent sur la mise en données et le traitement quantitatif de corpus textuels, cet article identifie à quelles conditions ces approches peuvent constituer une ressource pour l’enquête sociologique. Les trois conditions qui émergent de notre analyse concernent : 1) la connaissance du contexte de production des inscriptions textuelles ; 2) l’intégration à l’enquête de données extérieures au texte lui-même ; 3) l’ajustement des algorithmes au raisonnement sociologique.

Depuis la fin des années 1980 le recours à un corpus électronique fini est incontournable comme source de renseignements linguistiques dans le cadre de la lexicographie générale, et les centres de traduction et de terminologie s’y mettent aussi progressivement. Depuis la fin des années 1990 l’informatique est suffisamment performante pour permettre le stockage de textes et leur traitement diachronique de telle sorte que la recherche automatisée de néologismes lexicaux est désormais possible. De nos jours, les équipes de recherche et les grandes maisons de dictionnaires se tournent systématiquement vers les corpus textuels afin d’en extraire les nouveaux répertoires. Cependant les linguistes ont besoin non seulement d’un accès automatisé aux gisements de mots nouveaux mais aussi aux nouveaux usages de mots existants. Les dispositifs susceptibles d’automatiser cette collecte sont toutefois longs à développer. La raison principale en est que la qualité sémantique d’un mot est généralement conçue en tant que phénomène paradigmatique, mais les logiciels qui traitent les corpus textuels ne possèdent que la dimension syntagmatique. La solution en est de faire de nécessité vertu et d’identifier les modifications de sens en termes de traits textuels qui sont automatiquement repérables en surface. C’est de cette façon que la recherche en la matière se fait aujourd’hui. Cet article vise d’abord à rendre compte de l’état de la recherche en ce qui concerne les méthodes exploitées par différents chercheurs, et à présenter ensuite notre système d’identification automatique de la néologie sémantique qui remonte à 1990. Notre stratégie repose sur l’hypothèse qu’une modification significative du profil collocationnel d’un mot signale un nouveau sens. Notre but ici est d’évaluer la performance de cette démarche et de mettre en lumière quelques difficultés que nous avons rencontrées en mettant en relation les logiciels et les statistiques qu’ils fournissent d’une part et les faits de distribution linguistique et le sens lexical de l’autre.

International audience; La masse de données textuelles aujourd’hui disponible permet d’envisager les sciences sociales sous un jour nouveau, dans la mesure où les textes regorgent d’éléments d’informations jamais exploités jusqu’ici. La difficulté consiste alors à accéder à la bonne information, à la « normaliser » puis à la mettre en contexte, dans la mesure où cette information doit être formatée pour être exploitable par d’autres outils automatiques. Cet article présente un panorama des techniques de traitement automatique des langues utilisées de nos jours et examine surtout une série de réalisations concrètes, permettant de mettre en avant ce qui fonctionne, mais aussi les limites des systèmes actuels.

L’auteur, responsable des aspects informatiques et linguistiques du projet « Manuscrits de Stendhal en ligne », décrit le processus de constitution d’un corpus, au sens linguistique du terme, dans le cadre d’une collaboration fortement interdisciplinaire. Il montre dans quelle mesure ce type de collaboration permet de construire un ensemble documentaire répondant aux besoins des chercheurs en littérature tout en apportant un matériau langagier riche et inédit pour le linguiste. Subséquemment, ce n’est pas l’objet de l’étude qui définit le corpus à construire, mais à l’inverse, c’est le corpus construit qui limite et contraint les observations, remettant ainsi en question la notion d’analyse de corpus. From Literary Corpus to Linguistic Corpus : dematerialization, restructuration, rhizomatic reading and linguistic analysis of the manuscripts The author, coordinator of the computational and linguistic aspects of the « Online Stendhal Manuscripts », describes the process of constituting a linguistic corpus within the framework of a highly interdisciplinary collaboration. He shows how this kind of collaboration allows building an archive answering the needs of literary researchers as well as bringing rich and rare language material to the linguist. Subsequently, the linguistic study does not define the corpus to build, but reversely, the corpus delimits and constrains the linguistic observations, thus questioning the notion of corpus analysis.

Dans un premier temps, cette contribution fournit une présentation rapide des corpus médiévaux, principalement pour l’anglais et le français, en relation avec des projets d’annotation centrés sur l’annotation syntaxique. La seconde partie traite des aspects spécifiques de l’annotation syntaxique pour les textes d’ancien français et s’intéresse particulièrement aux interactions entre la préannotation automatique et les outils d’annotation manuelle. Syntactic Annotation of Old French Text Corpora In the first section, this contribution provides a survey on medieval corpora, mostly for English and French, and related annotation projects, focussing on syntactic annotation. The second section deals with specific aspects of syntactic annotation for Old French texts, and focuses on the interaction between automatic pre-annotation and tools for manual annotation (TMA).

International audience; Il arrive parfois que le seul expert apte à débrouiller les fils et les nœuds d’un programme soit l’auteur du logiciel utilisé. Et comme j’ai cet avantage pour le logiciel HYPERBASE, on me permettra d’en profiter. Qu’on se rassure : je n’abuserai pas de la situation pour décrire en détail le fonctionnement du logiciel. Je m’en tiendrai à une seule fonction : celle qui mesure la distance intertextuelle et découvre le paysage textuel. Même si la progression dans le corpus peut être hérissée de ronces et d’embarras, la vision d’ensemble qu’on atteint au sommet est d’une parfaite lisibilité et la stabilité statistique du panorama ne dépend guère de la marche d’approche.L’appareillage statistique, appliqué au langage, apparaît ainsi d’une remarquable solidité, jusqu’à provoquer le soupçon que c’est toujours la même chose qu’on mesure. Il produit des résultats convergents à des niveaux très éloignés et très variés, depuis les regroupements ontologiques les plus larges – et les plus flous – jusqu’aux analyses les plus microscopiques des molécules et des atomes du langage. Les mêmes lignes de force s’y reconnaissent, quelle que soit la focale utilisée ou l’éclairage ou l’angle de la prise de vue. Le corpus est comme une boule : qu’on le considère d’en haut ou d’en bas, de la droite ou de la gauche, de l’avant ou de l’arrière, l’image est la même.

Le métier de webmestre est aujourd'hui au cœur des processus de création de sites web pour la recherche scientifique. Dans ce cadre, l'édition de corpus de sources numériques (via des intergiciels ou middlewares par exemple) est un enjeu fondamental tant pour le chercheur que pour la communication scientifique d'une institution par exemple. Quelle est la place du webmestre dans un processus de publication en ligne d'un corpus de sources historiques ? Comment articuler l'ingénierie du web et les contraintes de l'édition scientifique ? Le Centre Alexandre Koyré/Centre de recherche en histoire des sciences et des techniques (UMR 8560 du CNRS/EHESS/MNHN/Cité des Sciences) développe depuis 2002 un pôle informatique destiné à l'informatisation et à l'édition des données pour la recherche dans le domaine de l'histoire des sciences. Le pôle HSTL regroupe des informaticiens, une documentaliste, des techniciens d'édition web et des chercheurs permettant la création de plusieurs sites web de recherche (sur Ampère : http://www.ampere.cnrs.fr, Buffon : http://www.buffon.cnrs.fr ou Lamarck : http://www.lamarck.science.gouv.fr). L'intervention propose de présenter l'interaction entre ces métiers (informaticiens du web, éditeurs web, chercheurs) au travers des réalisations du pôle en présentant la production des boites à outils créées pour l'édition numérique de corpus (ICEberg-XML par exemple, http://blog.stephanepouyllau.org/54).

Au terme d’une carrière de cinquante ans entièrement consacrée à la statistique linguistique, l’auteur tente d’établir un bilan de la discipline, au moins pour le domaine français. Il s’attache d’abord à évoquer les premières initiatives auxquelles sont associés entre autres les noms de Guiraud, Quemada, Gougenheim, Tournier et Muller. Puis il suit l’évolution des méthodes qui tendent à s’éloigner du modèle inférentiel prôné par Muller pour adopter une démarche descriptive où l’analyse s’appuie sur des calculs multidimensionnels. En passant de la calculette à l’ordinateur, l’outil informatique développe sa puissance sur des corpus de taille croissante, dont certains font l’objet d’un examen particulier : la BNF, Frantext, SketchEngine et enfin Google Books. La taille de ce dernier projet – qui atteint presque 100 milliards de mots pour la production française de ces deux derniers siècles – peut donner le vertige au jugement, sans effacer le doute, la composition du corpus, inégale et incertaine, faussant la chronologie. On en conclut que l’évidence aveuglante d’un résultat graphique ne doit pas en imposer à la raison. L’effet peut-être massif, et la cause obscure. La lexicométrie s’est beaucoup étendue en surface; il lui faut aussi gagner en profondeur., After a fifty year career entirely devoted to statistical linguistics, the author attempts to establish a report on this discipline, at least for the French area. He first seeks to evoke the raw intitiatives that involve among other names Guiraud, Quemada Gougenheim, Tournier and Muller. Then he follows the evolution of methods which tend to move away from the inferential model advocated by Muller to adopt a descriptive approach where the analysis is based on multidimensional calculations. Passing from the calculator on the computer software tool developed its power on big size corpus, some of which are subject to particular scrutiny: the BNF, Frantext, SketchEngine and finally Google Books. The size of this last project - which is almost 100 billion words for the French production of the last two centuries - may make you dizzy judgment without erasing doubt, the composition of the corpus, uneven and uncertain, distorting the timeline. It is concluded that the blinding evidence of a graphic result should not impose on the reason. The effect can be massive, and the cause obscure. The lexicometry spread much surface; he must also gain depth.