Search

La logométrie et l’Intelligence artificielle (deep learning) appliquées aux textes politiques permettent de repérer dans le discours d’Emmanuel Macron les emprunts linguistiques qu’il contracte auprès de ses prédécesseurs à l’Elysée (de Gaulle, Pompidou, Giscard, Mitterrand, Chirac, Sarkozy et Hollande). Les emprunts les plus importants, lexicaux autour de la valeur travail et énonciatifs autour de l’exhibition du « je » et du « je veux », concernent statistiquement Nicolas Sarkozy. Logometry and Artificial Intelligence (deep learning) applied to political texts make it possible to identify in Emmanuel Macron's speeches the linguistic borrowings he contracted from his predecessors at the Palais de l’Elysée (de Gaulle, Pompidou, Giscard, Mitterrand, Chirac, Sarkozy and Hollande). The most important borrowings, which are around the work value and enunciative around the exhibition of “I” and "I want", are statistically related to Nicolas Sarkozy.

International audience; Held every other year since 1990, the JADT brings together 150 to 200 researchers involved in the automatic and statistical processing of textual data. The meeting provides a forum in which participants can present their results, compare existing tools, and exchange with colleagues on their practical and methodological experiences. Occurring within the framework of the Digital Humanities, from text mining to the textual analysis of big data, the 13th JADT -- JADT 2016 – have been held in Nice, France from June 7 to 10, 2016. Statisticians, linguists, computer scientists, discourse analysis specialists, sociologists, historians working on digital archives, and specialists in lexicography and text mining came together for the meeting on the Mediterranean coast, within the prestigious locales of the University of the Côte d’Azur and the Lerins Islands off of Cannes.

International audience; Testimonials of Holocaust survivors are multilayered discursive objects caught between History and memory. We argue that this polarization is embedded in the weft of the narratives in the form of lexical traces that can be untangled quantitatively. To do this, we focus on the most frequent nouns used in a corpus of 16 biographies of survivors from Auschwitz, and use 3 complementary analytical apparatus - correspondence analysis, hierarchical classification and a network-based analysis - to identify the lexical stocks structuring the corpus. Our results confirm the polarization of the narratives between a primary mnemonic content and a secondary historical/collective re-presented one.; Entre mémoire et histoire, les récits des témoins de la Shoah sont des objets discursifs riches et complexes. Nous postulons qu’ils portent en eux l’événement traumatique, sous la forme de traces lexicales et d’organisations textuelles sous-jacentes. Les substantifs les plus utilisés sont d’abord extraits d’un corpus de 16 biographies de survivants d’Auschwitz, puis trois traitements de la trame co-occurrenttielle des récits sont proposés grâce à l’Analyse factorielle des Correspondances (AFC), la Classification descendante hiérarchique (CDH) et les réseaux. Au final, nous identifions deux lexiques imbriqués qui structurent les textes : un lexique « primaire » ou mémoriel relevant d’une mémoire intime proche de l’événement et un lexique « secondaire » ou historique relevant d’une mémoire sociale en partie réélaborée.

International audience; Testimonials of Holocaust survivors are multilayered discursive objects caught between History and memory. We argue that this polarization is embedded in the weft of the narratives in the form of lexical traces that can be untangled quantitatively. To do this, we focus on the most frequent nouns used in a corpus of 16 biographies of survivors from Auschwitz, and use 3 complementary analytical apparatus - correspondence analysis, hierarchical classification and a network-based analysis - to identify the lexical stocks structuring the corpus. Our results confirm the polarization of the narratives between a primary mnemonic content and a secondary historical/collective re-presented one.; Entre mémoire et histoire, les récits des témoins de la Shoah sont des objets discursifs riches et complexes. Nous postulons qu’ils portent en eux l’événement traumatique, sous la forme de traces lexicales et d’organisations textuelles sous-jacentes. Les substantifs les plus utilisés sont d’abord extraits d’un corpus de 16 biographies de survivants d’Auschwitz, puis trois traitements de la trame co-occurrenttielle des récits sont proposés grâce à l’Analyse factorielle des Correspondances (AFC), la Classification descendante hiérarchique (CDH) et les réseaux. Au final, nous identifions deux lexiques imbriqués qui structurent les textes : un lexique « primaire » ou mémoriel relevant d’une mémoire intime proche de l’événement et un lexique « secondaire » ou historique relevant d’une mémoire sociale en partie réélaborée.

International audience; Co-occurrence is an asymmetric relationship: each word forming the pair brings with it its own semantic load that comes from its own network of semantic associations. Energy and availability (Luong et al., 2010) measure this asymmetry and we suggest here that they grasp quantitatively the notion of semantic load. Re-drafting them in a probabilistic framework to make them comparable between themselves and across words, we explore their interpretative value in discourse analysis on a corpus of French political speeches. We also introduce the notion of discursive performance that articulates both notions into one, and we explore the added value it brings to availability diagnostics for the purpose of identifying the modalities of semantic contextualization of a word by a given speaker.; Les relations co-occurrentielles sont des relations asymétriques : chaque mot apporte à la paire une charge sémantique qui lui vient de son propre réseau d'associations sémantiques. Les mesures d'énergie et de disponibilité (Luong et al., 2010) quantifient cette asymétrie, et nous proposons ici qu'elles saisissent quantitativement la notion de charge sémantique. En les reformulant dans un cadre probabiliste afin de les rendre comparables entre elles et d'un mot à l'autre, nous explorons leur portée interprétative en analyse du discours sur un corpus politique français. Nous introduisons également la notion de rendement discursif pour articuler entre elles les deux notions et explorons son utilité pour nuancer le diagnostic de la disponibilité sur la modulation sémantique d'un mot par un locuteur.

International audience; Corpora and web corpora. Reflection on the essence of digital corpora. This paper contributes to the understanding of what digital revolution is and how it impacts research in linguistics. Everyday, digital corpora grow bigger, perhaps reaching an almost exhaustive level of representativeness. Also, they change our empirical perspective of and relation with texts, discourses, language. Two specific issues are discussed. First, can corpora exist without the Web? Notice that this purposely provocative question departs from what is usually debated, i.e. is the Web a (true) corpus? The intent is to reflect on a definition of what corpora are in the digital age. Second, can digital corpora be considered as a long text or as a architext? Here, the methods used for textual corpora investigation are examined.; Cette contribution revient sur la révolution numérique et ses conséquences pour la recherche en linguistique : les corpus numériques, chaque jours plus gros, voire exhaustifs, modifient notre rapport empirique aux textes, aux discours, au langage. Deux questions particulières sont posées. Un corpus aujourd'hui peut-il exister sans le web ? (Et non pas, comme habituellement, le web est-il un corpus ?). Derrière la provocation de la question, c'est la définition même des corpus que nous interrogeons à l'heure du numérique. Un corpus numérique peut-il être traité comme un long texte ou comme un architexte ? Et c'est la question des méthodes de traitement des corpus textuels qui est alors posée.

Un des enjeux actuels du traitement sémantique des corpus textuels concerne la nécessaire tentative de contrôle et d’objectivation de l’intertexte. Les corpus réflexifs, que nous définissons dans cet article, poursuivent cette exigence d’objectivation et de mise en forme des ressources sémantiques et interprétatives, en se proposant d’être, dans la mesure du possible, des tout-textuels sémantiquement auto-suffisants – c’est-à-dire des univers interprétatifs clos, définis parmi d’autres – pour une exploitation certes pas exhaustive, mais raisonnable et raisonnée du texte. The Reflexive Corpora : between architextuality and hyper-textualityA current issue in semantic treatment of textual corpora concerns the necessary attempt to verify the intertext and make it objective. Reflexive corpora, defined in this article, are used to carry out this task of objectivation and of shaping semantic and interpretative resources by proposing to be, as far as possible, ‘all-textuals’ which are semantically self-sufficient – in other words closed interpre-tative universes, defined alongside other such ones – for a reasonable and reasoned (though clearly not exhaustive) use of the text.

Les arts et les sciences du texte peuvent-ils tirer parti de la puissance nouvelle des machines ? Que peuvent nous apprendre les algorithmes de deep learning sur une œuvre, un auteur, un genre, une époque ? L’Intelligence artificielle peut-elle offrir à l’analyste des parcours de lecture inédits et faire émerger de nouveaux observables textuels comme autant de passages pertinents à interpréter ? En retour enfin, l’expertise linguistique du texte permet-elle d’éclairer le fonctionnement des réseaux de neurones artificiels ? C’est à ces questions ambitieuses que les auteurs de cet ouvrage, linguistiques et informaticiens proposent des réponses.

International audience; This contribution defines the cooccurrence as a textual unit for statistical text analysis. Through the study of a corpus of statements of principles of women and men candidates under the French Fifth republic (1958-2007), it aims to expose some of the main benefits of using cooccurrences for textual comparisons. As minimal forms of co(n)text and semantic units, cooccurrences are a qualitative leap in the characterization of texts.; Cette contribution pose les cooccurrences comme des unités textuelles pour le traitement statistique des textes. Elle vise, à travers des analyses menées sur un corpus de professions de foi électorales rédigées sous la Cinquième République (1958-2007), à exposer quelques-uns des principaux apports de l'application des outils de contrastes textuels à l'unité cooccurrentielle. Forme minimale du co(n)texte et déjà porteuse de sens, la cooccurrence incarne pour les entreprises de caractérisation des textes une avancée qualitative notable.

Within the framework of the French school of discourse analysis, two main methods borrowed from multivariate data analysis have been applied to the processing of text corpora: specificity analysis and correspondence analysis. In a complementary perspective, we present a classification technique specially dedicated to corpora ordered according to a chronological variable: variablility-based neighbour clustering (VNC), introduced by Gries & Hilpert (2008; 2012) as a periodisation tool in the area of diachronic corpus linguistics. This classification method is applied to the processing of a large corpus, i.e. the debates in plenary sitting of the European Parliament between 1996 and 2011. As an example, we study the chronological variation of the word civilisation, as it is shown through its collocational stocklist partitioned by year., L'École française d'analyse du discours a appliqué au traitement des corpus textuels deux principales méthodes empruntées à l'analyse de données multivariée : l'analyse des spécificités lexicales et l'analyse factorielle des correspondances (AFC). Dans une perspective complémentaire, nous présentons un procédé de classification spécifiquement adapté aux corpus ordonnés suivant une variable chronologique : la classification ascendante hiérarchique par contiguïtés (CAHC), introduite par Gries & Hilpert (variablility-based neighbour clustering, 2008 ; 2012) comme outil de périodisation dans le domaine de la linguistique de corpus diachronique. Cette méthode de classification est appliquée au traitement d'un corpus volumineux, celui des interventions en séance plénière au Parlement européen entre 1996 et 2011. A titre d'exemple, nous étudions la variation chronologique concernant l'usage du mot civilisation, tel qu'il se manifeste à travers ses inventaires collocationnels partitionnés par année.

Ce mémoire essaye de dire en peu de mots - moins de 100 pages - ce que j'ai pu développer ailleurs trop longuement - 1100 pages d'ouvrages ; 600 pages d'articles. Les références bibliographiques ont été volontairement limitées pour réduire le feuilleté scientifique et l'écho intertextuel ; les notes de bas de page ont été autant que possible comptées afin ne pas multiplier les excursus ; le ton direct, libre, sans détour s'écarte en partie des précautions universitaires habituelles dans l'espoir d'égayer la lecture. En tant que mémoire de synthèse, ce travail laisse le plus souvent de côté le corps des démonstrations pour ne dire que l'essentiel : la cohérence du parcours de recherche depuis 12 ans, les résultats obtenus, les convictions scientifiques naïves ou profondes. En complément, le lecteur sera renvoyé, au fil des pages, aux deux volumes d'articles et aux deux ouvrages joints au dossier.