2.1 – Base lexicale DiCo et produits dérivés du DiCo

4Le projet lexicographique DiCo/LAF se distingue d’autres projets de lexicographie informatisée, tel WordNet (Fellbaum 1998), du point de vue des phénomènes linguistiques décrits et du point de vue des structures de données qu’il vise à produire. Nous allons commencer par expliciter ces deux aspects de notre travail. Même s’il pourrait sembler que nous dévions ici du thème à traiter – les collocations –, il est essentiel de partir du contexte plus général du projet DiCo/LAF pour faire apparaître la particularité de notre modélisation lexicographique des phénomènes collocationnels.

5Nous ferons dorénavant référence au DiCo et au LAF comme à des modélisations uniques, clairement spécifiées dans leurs formats et leur mode de présentation des données. Cependant, il s’agit en fait de deux cas particuliers de produits lexicographiques. Le DiCo nous intéressera en tant que type particulier de base de données représentative de ce que doit être une base lexicale fondée sur les principes de la lexicologie explicative et combinatoire (Mel’ãuk et al. 1995) ; le LAF n’est qu’un type particulier de produit dérivé d’une telle base (Polguère 2000). La principale distinction entre ces deux produits est que le premier relève du travail du lexicographe comme tel, alors que le second est extrait du premier pour une utilisation autre que l’activité lexicographique : la consultation. Dans ce qui suit, nous désignerons par DiCo la base de données lexicale développée selon nos principes, par LAF, un produit dictionnairique grand public dérivé d’une telle base, et par DiCo/LAF, le projet lexicographique visant la production d’un DiCo et d’un LAF.

6Nous commencerons par présenter les deux familles de phénomènes linguistiques visés par le DiCo : les dérivations sémantiques et les collocations. Nous expliquerons ensuite pourquoi, selon nous, ces deux phénomènes doivent être considérés simultanément en lexicologie et lexicographie. Finalement, nous présenterons les autres propriétés des unités lexicales qui sont prises en compte dans la base de données DiCo, de façon périphérique à la modélisation des dérivations sémantiques et des collocations.

2.2 – Phénomènes linguistiques visés par le DiCo

7Les projets lexicographiques « traditionnels » visent la production de dictionnaires dont les articles tournent autour d’un type de donnée bien spécifique : la définition lexicographique. On peut ainsi immédiatement identifier un dictionnaire « spécial » par le fait que la définition n’est pas au cœur de ses articles : dictionnaires de prononciation, de dérivations, de synonymes, de collocations, etc. Le DiCo/LAF est un projet lexicographique spécial puisqu’il vise avant tout la modélisation des dérivations sémantiques et des collocations du français. Attention cependant : contrairement aux autres dictionnaires spéciaux, et notamment aux dictionnaires de collocations, le DiCo présuppose dans chacun de ses articles une définition rigoureuse (sinon complète) des lexies. Cela deviendra clair à la toute fin de notre exposé (section 4.).
Dans cette section, nous allons préciser les notions de dérivation sémantique et de collocation, telles qu’elles doivent être comprises dans le cadre de la lexicologie explicative et combinatoire.

2.3 – Dérivations sémantiques et collocations comme manifestations d’un même phénomène conceptuel

21Ce qui caractérise véritablement la modélisation d’une base lexicale du type DiCo est le fait que les notions en question sont vues comme reposant toutes deux sur la notion beaucoup plus générale de lien lexical orienté.

• Une dérivation sémantique est une relation particulière entre deux lexies : une lexie de départ et une lexie « sémantiquement construite » à partir de celle-ci. Il s’agit donc d’un lien lexical orienté : de la base de la dérivation vers le dérivé.
• Une collocation est une expression linguistique constituée de deux lexies, dont l’une – la base – contrôle l’emploi de l’autre – le collocatif. Une collocation n’est donc pas une relation. Cependant, chaque collocation présuppose une relation particulière de « contrôle » entre les deux lexies qui la constituent : la base contrôle le choix du collocatif. Ce contrôle est également un lien lexical orienté : de la base de la collocation vers le collocatif.

22

couper – instrument ? hache
méchant – intensificateur ? comme la gale
méchant – intensificateur? comme une teigne

23La description des liens lexicaux offerte par le DiCo – comme par toute modélisation du type Dictionnaire explicatif et combinatoire (Mel’ãuk et al. 1984, 1988, 1992, 1999) – s’appuie sur un ensemble restreint de patrons de liens lexicaux dérivationnels et collocationnels, qui sont des liens lexicaux standard. Chaque lien lexical standard est modélisé comme une « fonction », au sens mathématique, qui s’applique aux lexies pour retourner la liste de leurs dérivés sémantiques ou de leurs collocatifs. On peut donc écrire, en s’inspirant du formalisme mathématique f (x) = y :

24Le système des FL est particulièrement puissant puisqu’il offre un même outil formel pour modéliser tous les types de liens lexicaux contrôlés par les lexies, et cela pour n’importe quelle langue. Il permet de réunir des phénomènes qui sont la plupart du temps considérés séparément – autant en linguistique qu’en lexicographie ou en linguistique appliquée à l’enseignement -alors qu’en fait ils relèvent tous « en profondeur » de la notion de lien lexical. On remarque que, lorsque les dérivations sémantiques et les contrôles collocationnels sont réunis dans la littérature linguistique sous la même notion de lien lexical, c’est pour être traités séparément en tant que liens lexicaux para-digmatiques vs liens lexicaux syntagmatiques. Or, si nous adhérons à cette distinction fondamentale (cf. les FL paradigmatiques vs syntagmatiques), nous sommes convaincus que la frontière entre les deux types de liens n’est pas étanche par nature, et cela, pour au moins deux raisons.

25Premièrement, l’activation des liens lexicaux en parole est au cœur du fonctionnement de la paraphrase linguistique – Mel’ãuk (1992), Miliçeviç (2003). Or, les liens de paraphrase reposent très souvent sur des égalités de structures qui mettent en jeu des FL paradigmatiques et syntagmatiques. Par exemple, l’équivalence très générale suivante démontre le lien profond qui unit la notion de verbe support et celle de dérivation sémantique vide de type verbal :

26

27On voit à quel point le système des FL, appliqué à la lettre, nous force à considérer ensemble les notions de liens paradigmatiques et de liens syntagmatiques. Pour qui croit en la séparation profonde, conceptuelle, de ces deux notions, c’est clairement une tare du système en question. Mais pour celui qui, au contraire, pense que ces deux types de liens sont intrinsèquement liés du point de vue de l’utilisation du code linguistique par le locuteur, c’est un bénéfice considérable. Cette remarque nous permet d’avancer ce qui est peut-être notre slogan quant à la modélisation des collocations et des dérivations sémantiques.

28

Le système des FL standard, plus qu’un outil d’encodage, est un outil d’exploration et de modélisation des liens lexicaux paradigmatiques et syntagmatiques, ces deux types de liens devant être considérés simultanément.

2.4 – Autres propriétés lexicales décrites dans le DiCo

29Le DiCo n’est pas un simple répertoire de dérivations sémantiques et de collocations. Il s’agit véritablement d’une base lexicographique décrivant les lexies du français. Même si cette base se focalise sur la description des liens de FL contrôlés par les lexies, elle vise une modélisation de toutes leurs propriétés de combinatoire. À cette fin, on trouve dans le DiCo, outre les liens de FL, quatre autres types de propriétés associées à chaque lexie : ses caractéristiques grammaticales, son étiquette sémantique, sa forme propositionnelle et son régime syntaxique.

3.1 – Structure des fiches lexicographiques du DiCo

35Chaque lexie est décrite dans le DiCo au moyen d’une fiche lexicographique subdivisée en champs. La lexie décrite dans une fiche est appelée le mot-vedette de la fiche, et chaque champ contient un type d’information bien spécifique associé au mot-vedette.

36Pour illustrer la structure et le contenu d’une fiche DiCo, nous utiliserons la fiche de bouillieii [Avec la chaleur, nos jolies pêches ne sont plus que de la bouillie.], une des quatre acceptions du vocable bouillie identifiée dans le DiCo [2]. Nous remettons à plus tard l’examen des données sur débat dans la mesure où les lexies de ce dernier vocable ont des fiches très riches et complexes, qu’il serait difficile d’utiliser pour simplement illustrer notre approche. Voici donc le contenu des principaux champs de données lexicographiques de la fiche de bouillieii, telle qu’elle a été construite par les lexicographes du DiCo.
Il est intéressant de s’arrêter brièvement sur le contenu du dernier champ (ph) de la fiche de bouillieii. On voit que nous avons considéré qu’il existe une locution ^|?en bouillie^?|. C’est cette locution qui est employée, par exemple, dans une phrase comme :

Figure 1

Fiche DiCo de la lexie BOUILLIEII

Fiche DiCo de la lexie BOUILLIEII

3.2 – Encodage des liens lexicaux

37Les liens dérivationnels et collocationnels sont encodés dans le DiCo selon le schéma suivant :

38Le premier lien encodé correspond à la quasi-synonymie :

39Nous quittons maintenant le champ des liens de nature synonymique, pour entrer dans celui contenant l’essentiel des liens de FL.

40

41La technique de la vulgarisation des liens de FL, outre qu’elle facilite l’accès aux données par le non-spécialiste, ouvre la voie à nombre de recherches sur le système des FL lui-même. En effet, les formules de vulgarisation, du fait qu’elles varient – pour une même FL – selon l’étiquette sémantique du mot-vedette, permettent de mettre en évidence les différentes facettes sémantiques de chaque lien paradigmatique ou syntagmatique standard. Ce type d’information est très utile, notamment, lorsqu’on explore les possibles connexions entre les FL et la définition lexicographique des lexies auxquelles ces fonctions s’appliquent – cf. Kahane (2003) et Iordanskaja & Polguère (2005).
Notons, pour conclure sur le sujet, que les liens de FL non standard sont traditionnellement encodés dans les dictionnaires explicatifs et combinatoires au moyen d’expressions non formalisées, qui fonctionnent comme des paraphrases du lien en question. Ces expressions n’ont pas besoin d’être vulgarisées puisqu’elles sont immédiatement interprétables sans connaissance du système des FL standard. On trouve par exemple les liens non standard suivants dans la fiche DiCo de débat2 [Elle participe à un débat télévisé sur le rôle de Y école dans la société.] :

42

3.3 – Division des mots polysémiques en unités lexicales

43C’est un fait bien connu qu’un mot polysémique (un vocable, dans notre jargon) doit être divisé, pour fins de description lexicographique, en acceptions correspondant chacune à une unité lexicale spécifique. Une unité de description lexicographique correspond donc à la modélisation d’une unité lexicale, pas à celle d’un mot polysémique. Cependant, lorsqu’il est question de la description des dérivations sémantiques ou des collocations, on a tendance à oublier cette vérité banale et à réunir dans une même énumération les dérivations et les collocations de toutes les acceptions d’un vocable. C’est le défaut principal de plusieurs dictionnaires de collocations, qui les invalide à un degré significatif. Cela s’explique par le fait que la division d’un vocable en unités lexicales, c’est-à-dire la résolution de la polysémie, est une des tâches les plus difficiles que doit affronter le lexicographe.

44Cependant, les dérivations et les collocations sont très sensibles à la polysémie. Tel dérivé ou telle collocation sera possible pour telle acception d’un mot polysémique, mais pas pour une autre. Ainsi, élévation est dérivé d’élever ‘porter à un rang supérieur’, tandis que élevage vient d’élever ‘s’occuper des animaux’ ; attaquer ‘commencer le combat’ a le nom d’action attaque (une attaque des blindés), mais pas attaquer ‘détruire la substance de qqch.’ (*une attaque de l’acide) ; on dit que l’armée bat en retraite, mais on dit que l’employé en fin de carrière part à la retraite. Nous pourrions continuer à citer des exemples de ce type par milliers, mais point n’est besoin de le faire : en théorie, tout le monde ou presque est d’accord sur la nécessité de résoudre la polysémie, même si en pratique on néglige souvent de le faire.
Dans notre projet DiCo/LAF, une bonne division du vocable en unités lexicales est une condition sine qua non à une présentation valide des liens lexicaux. Nous ne nous permettons jamais de réunir dérivés sémantiques et collocations sous un même mot-vedette sans égard pour sa polysémie éventuelle. Plus que cela, la différence des dérivés et des collocations sert souvent d’indicateur sûr pour la distinction des acceptions.

3.4 – Extraction de nouvelles structures de données à partir du DiCo

45La problématique de l’extraction de données et de produits lexicographiques du DiCo a été au cœur de nos préoccupations depuis le début du projet. Nous avons commencé par mettre au point un format possible de dictionnaire pédagogique dérivé de la base, le LAF, que nous avons développé graduellement par transformation et reformatage manuels des fiches DiCo –cf. Polguère (2000).

46Grâce à une Chaire Blaise Pascal accordée à I. Mel’ãuk et à une collaboration avec J. Steinlin (Paris 7) et S. Kahane (Paris 10), nous disposons depuis tout récemment d’un « transmuteur » de DiCo qui compile l’ensemble de fiches DiCo en un ensemble de tables de données interrogeables au moyen de requêtes SQL – cf. Steinlin et al. (2004). L’interface DiCouèbe est accessible sur le site de l’Observatoire de linguistique Sens-Texte (OLST) à l’adresse suivante [3] : http://www.olst.umontreal.ca/dicouebe. Le DiCo compilé n’est plus véritablement un ensemble de fiches lexicographiques, un dictionnaire sur support informatique. Sa structure interne ressemble plutôt à la structure de bases lexicales du type WordNet (même si l’information qu’il contient est beaucoup plus riche que celle que l’on trouve habituellement dans ces bases). Le lexique y est modélisé comme un gigantesque réseau fait de connexions étiquetées entre « entités lexicales ». Alors que le DiCo en fiches correspond à une structure de données adaptée à l’activité de rédaction lexicographique, la structure en réseau vise la consultation automatique et, de façon plus générale, le traitement informatique.
Nous allons maintenant, dans la dernière section, appliquer l’approche du DiCo/LAF au cas particulier du vocable débat.

4.1 – Résumé du travail lexicographique effectué sur débat

47La construction des fiches DiCo pour le vocable débat s’est faite en trois étapes principales :

1. ébauche de la structure du vocable ;
2. recherche d’exemples d’emplois de chaque acception ;
3. élaboration des fiches complètes (en commençant par l’unité lexicale de base du vocable).

4.1.1 – Ébauche de la structure du vocable

48Avant même d’entamer le véritable travail lexicographique sur débat, on peut se rendre compte que l’on est en présence d’un vocable polysémique : le débat qui « agite la société » n’est pas perçu comme étant le même débat que celui qu’on organise à la fin d’une conférence [4]. Il faut donc commencer par faire une ébauche de la structure polysémique du vocable.

49Bien entendu, nous ne pouvons pas expliquer ici exactement quelles ont été toutes nos réflexions et discussions ; contentons-nous de dire qu’elles nous ont conduits à la structure suivante, où chaque acception est caractérisée sémantiquement de façon très approximative et illustrée par un exemple :

DÉBAT1 ‘confrontation d’idées ayant lieu entre différents membres d’un groupe social du fait d’un désaccord sur un sujet donné’ [Ex. Un débat agite la société.]

DÉBAT2 ‘discussion organisée entre différents participants à un événement social’ [Ex. La conférence sera suivie d’un débat.] DÉBAT3a ‘discussion organisée dans un corps législatif’ [Ex. Les députés se sont mis d’accord au terme d’un interminable débat.] DÉBAT3b ‘discussion organisée durant une séance de tribunal’ [Ex. L’affaire fera l’objet d’un débat contradictoire devant le tribunal correctionnel.]

50L’acception choisie comme unité lexicale de base – debat1 – a « mérité » cette position dans notre description à cause de tout un faisceau d’indices lexicographiques de sa prédominance. Citons notamment les trois indices suivants :

51

1. Il s’agit du sens le plus général. Ainsi, un débat2 peut être vu comme une concrétisation, ou spécialisation, du débat1.
2. La lexie débat1 semblait a priori contrôler plus de liens lexicaux que les autres, même si débat2 paraissait elle aussi très riche de ce point de vue. Cette dernière intuition a été confirmée au cours des étapes de traitement subséquentes, puisque notre fiche finale de DiCo pour débat1 contient environ un tiers de liens de FL de plus que celle pour débat2.
3. Les deux dernières lexies du vocable, débat3a et débat3b, relèvent de domaines de l’activité humaine très spécifiques (domaine parlementaire et domaine juridique). Il était d’ailleurs clair dès le début que dans le cas de débat3b, au moins, nous étions en présence d’une lexie « terminologique » et qu’il nous serait impossible de la décrire de façon satisfaisante sans consulter de la documentation sur le domaine juridique.

Arrivés à ce niveau de description de débat, nous avons en fait construit cinq fiches DiCo pratiquement vides : une fiche pour chacune des quatre acceptions et une fiche additionnelle, numérotée 0, qui contient toute l’information pouvant être factorisée au niveau du vocable lui-même ; le champ cg de la fiche débat #0 contient l’indication que toutes les lexies du vocable sont des noms masculins.
Nous consultons ensuite la hiérarchie d’étiquettes sémantiques du DiCo (Polguère 2003b) afin d’effectuer l’étiquetage sémantique de chaque acception. L’identification des étiquettes va éventuellement nous permettre de repérer des lexies sémantiquement proches déjà décrites dans la base. À la fin de cette première étape de travail, nous avons obtenu la structure suivante :

52Nous indiquons ci-dessus en gras les lexies déjà décrites dans le DiCo, que l’on utilisera comme points de départ pour la description des acceptions de débat dont elles sont des quasi-synonymes.

4.2 – Quelques remarques pour conclure sur l’approche DiCo/LAF

60Nous avons déjà insisté en début d’article sur le fait que notre approche du traitement des collocations se caractérise par sa nature « globale » : les liens collocationnels sont un des axes d’analyse de la lexie, tous les axes d’analyse étant interconnectés. Il convient d’insister, pour conclure, sur l’omniprésence de la caractérisation sémantique de la lexie dans notre approche. Même si le DiCo ne contient pas, à proprement parler, de définition lexicographique, nous ne pouvons faire l’économie du recours à la définition pour effectuer l’encodage des liens paradigmatiques et syntagmatiques.

61Le couple formé par l’étiquette sémantique et la forme propositionnelle (décrivant la structure actancielle) nous procure un squelette de définition auquel nous avons sans cesse recours pour encoder les liens de FL (formellement et au moyen des formules de vulgarisation). De plus, les encodages du champ fl de chaque fiche contiennent en filigrane le renvoi à des composantes de la définition, clairement identifiées au cours du travail lexicographique, et qui n’attendent que de trouver leur place dans une définition du type de celles du Dictionnaire explicatif et combinatoire [5].

62Pour illustrer ces propos par un exemple concret, examinons l’extrait de la fiche de DÉBAT1 reproduit ci-dessous, qui concerne la zone du champ fl relevant des FL de « réalisation » Real_i, Fact_i et Labreal_ij.

63Les collocations encodées ci-dessus relèvent clairement de la famille des FL de réalisation. Elles sont un indice très fort de la présence, dans la définition de la base, d’une composante de sens liée à la finalité de la situation de débat1. Si l’on peut dire, par exemple, trancher le débat pour signifier ‘faire en sorte que le débat1 mène à un résultat’, c’est parce qu’il est sémantiquement encodé dans la langue qu’un débat1 a une finalité, un but que cherchent à atteindre les participants (X et Y) de la situation en question. Cette observation est d’ailleurs corroborée par la présence de collocatifs de type Ver (FL associée au sens très général ‘tel qu’il doit être’) ou AntiVer qui sont directement liés à la notion de finalité :

64Nous espérons avoir démontré que le DiCo n’est pas un dictionnaire de collocations, mais bien un dictionnaire explicatif et combinatoire à part entière. Il est vrai que le nom DiCo trouve son origine dans l’expression dictionnaire de cooccurrences, car la modélisation des collocations était au centre de nos préoccupations lorsque nous nous sommes lancés dans cette entreprise. Très vite, cependant, il est devenu évident que les collocations devaient être au DiCo ce que la crème frangipane est à la galette des Rois : la partie la plus savoureuse, peut-être, mais qui est difficilement mangeable sans le reste.