1.  Le contexte : le projet orféo

1Notre article présente les principaux choix d’annotation syntaxique faits dans le cadre du projet orféo (Debaisieux & Benzitoun 2020 ce volume). La taille du corpus à annoter (9 millions de mots) et les objectifs du projet (permettre aux utilisateurs, linguistes ou non, de récupérer des exemples d’une construction qui les intéresse) induit nécessairement un compromis entre diverses exigences (v. Gerdes & Kahane 2016 pour une discussion approfondie des critères qui amènent à privilégier un schéma d’annotation plutôt qu’un autre) :

2

• ­ des exigences théoriques : l’annotation doit répondre à un certain nombre de propriétés imposées par le cadre théorique ;
• ­ des exigences pratiques liées au processus d’annotation : l’annotation doit être reproductible (accord inter-annotateurs)  [1], elle doit être la plus simple possible (efficacité, rapidité) et, surtout, lorsqu’elle est réalisée en grande partie automatiquement, elle doit pouvoir être propagée sur l’ensemble du corpus en minimisant les erreurs ;
• ­ des exigences liées à l’utilisateur final : les annotations doivent être facilement requêtables et permettre à l’utilisateur de récupérer les données qu’il souhaite étudier.

3Il existe aujourd’hui différents outils permettant d’interroger des treebanks en dépendance, comme l’outil annis (Zeldes et al. 2009) qui était notre choix durant le projet ou grew (Guillaume et al. 2012 ; Bonfante, Guillaume & Perrier 2018) avec lequel nous travaillons maintenant. Ces outils proposent un langage de requête permettant de décrire des configurations (éventuellement complexes) et d’extraire tous les énoncés pour lesquels l’arbre syntaxique contient cette configuration.

4Nos exigences théoriques et pratiques nous ont conduits à proposer les choix d’annotation suivants :

5

• ­ une analyse en dépendance puisqu’elle est économique (on indique pour chaque mot son gouverneur et la nature de la relation qui les unit) et qu’il existe aujourd’hui à la fois de bons outils pour interroger des treebanks en dépendance (cf. supra) et pour apprendre à reproduire de telles analyses automatiquement (Nivre et al. 2007 ; Bohnet 2010 ; Nasr et al. 2020 ce volume) ;
• ­ un jeu réduit d’étiquettes syntaxiques (cf. listes en Annexe), aussi bien du côté des parties du discours que des relations syntaxiques, ce qui permet une annotation manuelle plus efficace et une prise en main plus rapide du schéma d’annotation par les futurs utilisateurs du corpus ;
• ­ une annotation qui prend en compte les principales caractéristiques de la syntaxe de l’oral : l’existence de constituants qui ont une forme d’autonomie syntaxique, comme les constituants détachés ou les marqueurs de discours, l’importance des listes d’éléments occupant une même position, qu’il s’agisse de coordination, de reformulation ou de disfluence ;
• ­ le recours à un lexique de mots grammaticaux comprenant des expressions polylexicales (Deulofeu & Valli 2020 ce volume).

6L’annotation a été réalisée selon un processus d’autoamorçage (angl. bootstrapping) usuel : un corpus d’amorçage est annoté manuellement, puis un analyseur syntaxique est entraîné sur ce corpus, une nouvelle portion de corpus est analysée automatiquement, puis corrigée manuellement, un nouvel analyseur est entraîné, et ainsi de suite. Le corpus comprend plusieurs millions de mots et seule une partie du corpus est corrigée manuellement. Cette partie corrigée manuellement, qui correspond à ce que l’on appelle traditionnellement ‹le gold›, comporte 183 248 mots. Nous avons utilisé pour la correction manuelle l’arborator  [2] développé par K. Gerdes (2013). Plusieurs outils permettant d’entraîner un analyseur en dépendance sont actuellement distribués librement. Nous avons utilisé mate (Bohnet 2010), ainsi que l’analyseur développé au lif (Nasr et al. 2011) pour le bootstrapping. Le corpus d’amorçage a été réalisé à partir du treebankrhapsodie, un corpus de 33 000 mots de français parlé annoté en prosodie et syntaxe distribué librement (Lacheret et al. 2014 ; Lacheret-Dujour, Kahane & Pietrandrea 2019 ; Kahane, Gerdes & Bawden 2019 ; Kahane, Pietrandrea & Gerdes 2019) dont l’annotation syntaxique a été entièrement corrigée à la main, à partir d’une pré-annotation automatique réalisée avec un analyseur de l’écrit (de la Clergerie et al. 2009), aucun analyseur pour le français parlé n’étant disponible à l’époque. Le schéma d’annotation d’orféo s’est appuyé sur le schéma d’annotation de rhapsodie (Kahane, Gerdes & Bawden 2019 ; Kahane, Pietrandrea & Gerdes 2019).

7Dans le présent article, nous ne présenterons pas davantage la chaîne de traitement. Nous nous concentrons sur les choix faits pour l’analyse syntaxique en dépendance. La section 2 présentera les relations syntaxiques constituant le cœur de l’analyse syntaxique, à savoir la microsyntaxe. Le cas des listes sera développé dans la section 3. Les relations qui vont au-delà de la microsyntaxe et relèvent de ce que nous appelons, à la suite d’A. Berrendonner (1990) et C. Blanche-Benveniste et al. (1990), la macrosyntaxe sont présentées dans la section 4. Pour la question des unités minimales de l’analyse, on consultera J. Deulofeu et A. Valli (2020) et pour celle des unités maximales Nasr et al. (2020), tous deux dans ce volume.

8À chaque étape, une comparaison sera effectuée avec le schéma d’annotation de rhapsodie (lorsqu’il y a une différence notable), avec le schéma d’annotation universal dependencies (dorénavant ud ; Nivre et al. 2019) dont le développement a été parallèle à celui d’orféo et le schéma surface-syntacticud (dorénavant sud ; Gerdes et al. 2018, 2019) qui reprend à la fois des caractéristiques d’orféo et d’ud  [3]. On notera que, si de nombreux treebanks en dépendance ont été développés pour un grand nombre de langues (cf. le site ud qui regroupe, au jour où nous écrivons cet article, des treebanks pour une centaine de langues), il existe néanmoins fort peu de treebanks de langues parlées et ceux qui existent, comme le cgn du néerlandais (Hoekstra et al. 2001), ont été construits en appliquant des schémas d’annotation initialement développés pour l’écrit, en gommant notamment certaines spécificités de l’oral comme les disfluences. La principale originalité du projet orféo est d’être partie de schémas syntaxiques développés dans le cadre de l’analyse du français parlé, notamment la macrosyntaxe et l’analyse en grille des listes, élaborées autour de C. Blanche-Benveniste (1990).

2.  Structure et relations microsyntaxiques

9Tous les modèles syntaxiques s’accordent sur le fait que les signes linguistiques se combinent pour former des signes linguistiques plus complexes et que c’est ainsi que se construit la relation entre le signifiant d’un énoncé (un texte vocal ou graphique) et son signifié. L’objectif d’une représentation syntaxique est d’encoder comment les signes linguistiques se combinent, en partant des unités minimales, les mots et les locutions grammaticales dans notre cas, aux unités maximales. Il existe deux principaux modes d’encodage des combinaisons : l’analyse en constituants immédiats, qui indique comment une unité se décompose en sous-unités, et l’analyse en dépendance, qui indique par un lien de dépendance la combinaison entre deux unités. La principale différence entre les deux approches concerne la stratification (Kahane & Mazziotta 2015 ; Kahane 2018 ; Kahane & Gerdes 2020). Prenons deux exemples. Premier exemple : Marie aime Pierre. Une analyse en dépendance indiquera que la forme verbale aime se combine à la fois avec son sujet Marie et son complément Pierre tandis qu’une analyse en constituant immédiats devra privilégier une des deux combinaisons et dire que cette phrase se décompose en Marie + aime Pierre, puis aime Pierre en aime + Pierre. Ce qui revient à ordonner les deux combinaisons (du verbe avec son sujet et du verbe avec son objet) et à créer des strates dans la structure. Second exemple : un livre de syntaxe. Une analyse en constituants immédiats devra choisir entre une décomposition un + livre de syntaxe ou un livre + de syntaxe tandis qu’une analyse en dépendance dira simplement que livre se combine à la fois avec son déterminant un et son complément de syntaxe.

10L’autre particularité sur laquelle tous les modèles syntaxiques s’accordent aujourd’hui est que la plupart des combinaisons sont asymétriques. En effet, si l’on considère la combinaison aime + Pierre, en syntaxe de dépendance, on dira que aime ‹gouverne› Pierre ou inversement que Pierre ‹dépend› de aime, tandis qu’en syntaxe de constituants, on dira que l’unité aime Pierre a le constituant immédiat aime comme tête syntaxique. La ‹tête› d’une unité est, avant tout, l’élément qui contrôle sa distribution (Hudson 1987 ; Mel’čuk 1988 ; Kahane & Gerdes 2020). La distribution est comprise ici dans un sens purement syntaxique, c.-à-d. la ‹distribution› de l’unité U est l’ensemble des gouverneurs possible de U.

11Prenons deux exemples. Premier exemple : à Marie. Cette unité peut être, par exemple, complément du verbe parler ; elle n’a pas du tout la même distribution que Marie, qui peut être sujet ou complément de aime. On en déduit que la préposition à contrôle la distribution du groupe à Marie et gouverne, par conséquent, Marie. Plus généralement, si la distribution de l’unité AB est différente de la distribution de B alors A contrôle la distribution de AB et A est probablement le gouverneur de B.

12Second exemple : Marie dort. Ici encore, la distribution de Marie et Marie dort n’ont rien en commun et il est donc clair que Marie dépend de dort. On peut encore ajouter d’autres critères : par exemple, la subordination de la combinaison entre Marie et le verbe dormir dans il faut que Marie dorme affecte la forme du verbe dormir, qui est donc l’élément visible par le verbe falloir. Plus généralement, un pur dépendant ne modifie pas la distribution de son gouverneur et est donc invisible au gouverneur de ce gouverneur. En d’autres termes, quel que soit le sujet du verbe dormir, la distribution de la combinaison de dormir avec son sujet reste la même. Plus généralement, si la distribution de l’unité AB est égale à la distribution de A alors B ne contrôle pas la distribution de AB et A est probablement le gouverneur de B.

13L’application du critère distributionnel distingue notre analyse de celle d’ud qui privilégie les relations entre mots pleins (noms, verbes, adjectifs et adverbes) (v. Osborne & Gerdes 2019 pour une analyse critique de ce choix). Les critères distributionnels tendent eux à attribuer les rôles de têtes aux éléments grammaticaux (on parle alors de ‹têtes fonctionnelles› que l’on oppose à des ‹têtes lexicales›). Ainsi, dans parler à Marie, nous relions parler à la préposition à qui est la tête (fonctionnelle) de à Marie.

14À la différence du schéma d’annotation de rhapsodie, nous avons décidé de ne pas privilégier la tête fonctionnelle dans trois cas (cf. § 3 sur les listes pour le troisième cas). Le premier cas est celui des déterminants : il existe d’assez bons arguments pour traiter le déterminant comme le gouverneur du nom (v. p. ex. Hudson 1987 ; Kahane & Gerdes 2020). En effet, une unité comme la syntaxe n’a pas la même distribution que syntaxe : la première peut être sujet d’un verbe (la syntaxe m’intéresse) mais pas la seconde (*syntaxe m’intéresse) tandis que la seconde peut être complément de parler (on a parlé syntaxe toute la nuit) mais pas la première (*on a parlé la syntaxe toute la nuit). Malgré cela, nous avons choisi l’analyse traditionnelle qui fait du nom la tête du groupe nominal. En effet, dans certaines positions, le nom peut être utilisé avec ou sans déterminant (le manche de ce marteauvsun manche de marteau), certains noms ont une distribution de modifieurs adverbiaux quel que soit le déterminant qui leur est associé (il est venu cette semaine, il le fera une autre fois) et la sémantique du nom contrôle la distribution du groupe (la famille se réunira vs *le garçon se réunira). Le caractère particulier de la construction qui lie le nom au déterminant nous a néanmoins amenés à introduire la relation spe (pour specifier) du nom vers le déterminant (Fig. 1 ) :

Figure 1

Spécifieurs et dépendants du nom [orféo_tcof, Lan_reu_mjc_09]

Spécifieurs et dépendants du nom [orféo_tcof, Lan_reu_mjc_09]

15Le deuxième cas est celui des auxiliaires être et avoir. On peut vérifier que, dans Marie a dormi, c’est bien l’auxiliaire a qui est la tête. C’est lui qui porte la finitude et qui est affecté lorsque la proposition est subordonnée (il faut que Marie ait dormi  ; avoir dormi ne suffit pas) et c’est bien lui qui impose au verbe dormir sa forme de participe passé. Néanmoins, les auxiliaires du français se caractérisent par la montée des clitiques : dans je lui ai donné ça, bien que le pronom lui dépende de donné, celui-ci se cliticise sur l’auxiliaire créant ce que l’on appelle une construction ‹non projective›, où le gouverneur de la combinaison lui + donné se trouve entre eux. La non-projectivité crée de la complexité et les constructions non projectives posent des problèmes à de nombreux analyseurs (Nivre et al. 2006 ; Nasr et al. 2019). Pour cette raison, nous avons préféré analyser l’auxiliaire comme dépendant du participe par une relation que nous avons nommée aux (Fig. 2 ) :

Figure 2

Auxiliaire et clitique [orféo_tcof, Conv_cai_06]

Auxiliaire et clitique [orféo_tcof, Conv_cai_06]

16Certaines constructions du français sont néanmoins analysées avec des constructions non projectives, comme les comparatives (Fig. 3) :

Figure 3

Construction non projective [orféo_crfp, PRI-NCY-1]

Construction non projective [orféo_crfp, PRI-NCY-1]

17Le complémentque de faire de la nourriture soi-même dépend bien du comparatif plus puisque sa suppression entraîne une agrammaticalité (*ça coûte pas cher d’aller dans les restaurants que de faire de la nourriture soi-même) alors que la suppression du complément ne pose pas de problème (ça coûte pas plus cher d’aller dans les restaurants) ni leur suppression conjointe (ça coûte pas cher d’aller dans les restaurants).

18En plus des relations spe et aux, nous avons introduit une relation subj pour les sujets. Les autres relations n’ont pas été distinguées et portent toutes l’étiquette dep (pour dependency). Une dernière relation, disflink (pour disfluency link), a été introduite pour les cas extrêmes où un élément ne rentre pas dans une construction.

19Quelques choix d’analyses méritent d’être discutés brièvement.

20Les grammaires considèrent en général deux emplois de la forme des : un emploi comme déterminant (j’ai invité des amis) et un emploi comme combinaison de + les(on a parlé des impôts). Pour l’analyse schématique de des et du comme prépositions, nous renvoyons à l’article de J. Deulofeu et A. Valli (2020) dans ce volume.

21Quelques précisions sur la relation subj. Il s’agit du sujet syntaxique. Ainsi, dans une phrase comme (3), c’est le pronom impersonnel il qui est le sujet du verbe est :

22Une analyse plus sémantique comme celle d’ud amènerait à considérer le pronom impersonnel il comme un explétif et la complétive que l’eau soit acide comme le sujet (il s’agit du sujet dit ‹logique› ou ‹profond›, que l’on appelle encore ‹agent›). sud concilie les deux analyses en indiquant que le pronom personnel est bien le sujet syntaxique tout en étant sémantiquement vide (subj@expl) et que la complétive est un complément d’objet à valeur de sujet profond (comp:obj@agent).

23Dès que le verbe porte un enclitique sujet, celui-ci est déclaré comme sujet. En conséquence, un verbe peut exceptionnellement avoir deux sujets (Fig. 4) :

Figure 4

Double sujet [orféo_Chambers-Rostand, L’Humanité]

Double sujet [orféo_Chambers-Rostand, L’Humanité]

24Cette situation est néanmoins exceptionnelle. En cas de dislocation gauche du sujet, seul le pronom clitique occupant la position microsyntaxique de sujet portera la fonction subj (cf. § 4).

25De même que les prépositions (pre) gouvernent le groupe nominal qui les suit, les conjonctions de subordination (csu) gouvernent la construction verbale qui les suit (Fig. 5) :

Figure 5

Prépositions et conjonctions de subordination [orféo_tufs, 27_JD_CP]

Prépositions et conjonctions de subordination [orféo_tufs, 27_JD_CP]

26Il a été plusieurs fois remarqué que les pronoms relatifs et interrogatifs (prq) ont également un rôle de subordonnant (Tesnière, 1959 : chap. 246 ; Hudson 1987 ; Kahane 2002). Par exemple, si l’on considère la relative qui dort (la fille qui dort est une amie), on voit que celle-ci ne commute pas avec Marie dort et donc que qui n’est pas un simple dépendant du verbe dort, puisqu’il modifie la distribution de la construction verbale. Une solution possible est d’attribuer deux positions syntaxiques aux prq. Pour ne pas compliquer la structure syntaxique (et pour qu’elle reste un arbre de dépendance), nous avons choisi, comme d’autres (et notamment ud), de sacrifier le rôle de subordonnant et de traiter les prq comme de simples pronoms. En conséquence, le verbe principal de la relative devient la tête de la relative et dépend du nom antécédent (Fig. 6) :

Figure 6

Relative [orféo_fonc, Kiss_202i-12-13_HELENE_LA_MAGIQUE]

Relative [orféo_fonc, Kiss_202i-12-13_HELENE_LA_MAGIQUE]

27Il en va de même pour les interrogatives indirectes, où le verbe principal de l’interrogative est dépendant du verbe de la principale (Fig. 7) :

Figure 7

Interrogative indirecte [orféo_tufs, 27_JD_CP]

Interrogative indirecte [orféo_tufs, 27_JD_CP]

28Même analyse pour les relatives sans antécédent (Fig. 8) :

Figure 8

Relative sans antécédent [rhapsodie, Rhaps-D2008-RhapsodieBroadcast]

Relative sans antécédent [rhapsodie, Rhaps-D2008-RhapsodieBroadcast]

29Pour chaque construction clivée qui possède la forme c’est X qui Y ou il y a X qui Y, la proposition subordonnée dépendra de X. Aucune différence n’est faite entre une construction clivée et une construction relative présentative. Par conséquent, c’est un ami qui m’a aidé et c’est l’ami qui m’a aidé seront analysés de façon identique. (La raison en est qu’il ne nous semble pas possible pour un analyseur automatique de discriminer entre les deux situations sans indices prosodiques et pragmatiques.). Cette analyse vaut pour l’objet direct clivé également (Fig. 9) :

Figure 9

Clivage d’un sujet ou d’un objet [rhapsodie, Rhaps-D2003-RhapsodieBroadcast]

Clivage d’un sujet ou d’un objet [rhapsodie, Rhaps-D2003-RhapsodieBroadcast]

30Lorsque les propositions clivées présentent un syntagme prépositionnel dans la proposition principale, la proposition subordonnée, qui n’a plus la forme d’une relative standard, est alors analysée comme une complétive et que est analysé comme une conjonction de subordination (csu) (Fig. 10) :

Figure 10

Clivage d’un groupe prépositionnel [orféo_c-oral-rom, fnatps01]

Clivage d’un groupe prépositionnel [orféo_c-oral-rom, fnatps01]

3.  Listes paradigmatiques

31La notion de liste paradigmatique repose sur la constatation qu’une position syntaxique régie peut être occupée par plusieurs éléments en relation paradigmatique, qu’il s’agisse d’une coordination (Fig. 11), d’une disfluence (Fig. 6), d’une reformulation ou d’une apposition (Fig. 12) (Blanche-Benveniste 1990 ; Gerdes & Kahane 2009 ; Kahane & Pietrandrea 2012).

Figure 11

Coordination [orféo_fonc, Kiss_202i-12-13_HELENE_LA_MAGIQUE]

Coordination [orféo_fonc, Kiss_202i-12-13_HELENE_LA_MAGIQUE]

Figure 12

Reformulation et apposition [rhapsodie, Rhaps-D2012-RhapsodieBroadcast]

Reformulation et apposition [rhapsodie, Rhaps-D2012-RhapsodieBroadcast]

32Les éléments d’une liste paradigmatique, que l’on appelle les ‹conjoints›, peuvent occuper seuls la position syntaxique qu’occupe la liste complète. Par exemple, dans l’exemple de la Figure 11, la liste sans boire et sans manger a pour conjoints sans boire et sans manger et chacun d’eux peut commuter avec la liste : on me garde ici sans boire ; on me garde ici sans manger. Pour cette raison, nous considérons, à la suite de L. Tesnière (1959) ou de C. Blanche-Benveniste (1990) (v. Kahane 2012 pour une discussion), que les phénomènes de listes sont orthogonaux à la subordination, c.-à-d. aux relations que nous analysons dep ou subj. Nous introduisons pour la combinaison des conjoints d’une liste paradigmatique une relation particulière que nous notons para (pour liste paradigmatique). La liste est analysée comme une chaîne de conjoints, chaque conjoint dépendant du précédent. Cela est à contraster avec l’analyse ud qui préfère une analyse en bouquet où tous les conjoints dépendent du premier, ce qui revient à décider si chaque nouveau conjoint est combiné avec le précédent conjoint ou avec l’ensemble de la liste qui précède. Une des raisons de préférer l’analyse en chaîne est que plusieurs études ont montré que les langues tendent à minimiser les longueurs des dépendances et donc à lier les mots avec des mots aussi proches que possible (Liu, Xu & Liang 2017 ; Futrell, Mahowald & Gibson 2015 ; Gildea & Temperley 2010).

33Contrairement à rhapsodie, qui distingue sept types de listes paradigmatiques (Kahane & Pietrandrea 2012 ; Kahane, Pietrandrea & Gerdes 2019), orféo n’a qu’une étiquette para, la distinction entre coordination et reformulation étant difficile à établir automatiquement en l’absence de marqueurs explicites comme les conjonctions de coordination  [4]. ud propose trois relations différentes : conj pour les coordinations, appos pour les appositions  [5] et reparandum pour les réparations. Mais, comme l’a montré C. Blanche-Benveniste (1990), les reformulations sont davantage des élaborations par touches successives que des réparations au sens propre.

34Les marqueurs de relation paradigmatique, comme les conjonctions de coordination, sont traités comme des dépendants du deuxième conjoint (par une relation que nous appelons mark) (Gerdes & Kahane 2015). Cette analyse, qui se distingue de l’analyse où la conjonction de coordination est traitée comme la tête du deuxième conjoint (Mel’čuk 1988) et que nous avions appliquée dans rhapsodie, est justifiée par différentes considérations. Premièrement, si la conjonction de coordination a certainement des propriétés de tête, le conjoint reste prépondérant dans la distribution de l’unité qu’ils forment ensemble : ainsi, et Marie, et rouge, et vite ou et a mangé s’ajoutent dans des positions syntaxiques totalement différentes. Deuxièmement, il existe des listes paradigmatiques sans marqueurs réalisés, notamment pour les reformulations, mais aussi dans les coordinations lorsqu’il y a plus de deux conjoints (Marie, Luc et Pierre). Troisièmement, nous nous intéressons tout particulièrement aux relations paradigmatiques, c.-à-d. à la relation qu’entretiennent les éléments qui appartiennent à un même paradigme de commutation.

35Un dernier problème mérite d’être mentionné, celui posé par les adverbes dits ‹paradigmatisants› (Nølke 1983). Les adverbes sont normalement dépendants d’un verbe ou d’un adjectif. Il est néanmoins courant que des adverbes apparaissent dans des entassements paradigmatiques, où ils forment un syntagme avec les conjoints : tel est le cas de d’abord et ensuite dans l’exemple de la Figure 13. Puisque, dans ce cas, il forme clairement un syntagme avec un conjoint, l’adverbe sera marqué comme un dépendant de la tête du conjoint. Cette analyse pose alors la question de la position syntaxique du même adverbe quand il n’y a plus de liste paradigmatique. Doit-on l’analyser comme dans le cas d’une liste ou bien considérer qu’il dépend du verbe comme le propose l’analyse traditionnelle ? Nous avons généralement opté pour le second cas mais le problème reste à étudier plus en profondeur de notre point de vue.

Figure 13

Adverbes paradigmatisants [rhapsodie, Rhap-D2009-Mertens]

Adverbes paradigmatisants [rhapsodie, Rhap-D2009-Mertens]

4.  Macrosyntaxe

36La macrosyntaxe repose sur l’idée qu’une partie des mots d’un énoncé échappe à la rection du prédicat central sans pour autant pouvoir former des énoncés autonomes. On analyse alors un énoncé comme étant constitué d’un noyau, comprenant le prédicat central, pouvant former un énoncé autonome, et de composantes périphériques. L’ensemble des étiquettes (le tagset) d’orféo distingue deux principales relations, periph pour les composantes périphériques et dm pour les marqueurs de discours, qui se distinguent par une plus grande autonomie et une combinatoire moins libre (Kahane & Pietrandrea 2012 ; Pietrandrea & Kahane 2019) (Fig. 14) :

Figure 14

periph et dm [orféo_tufs, 27_JD_CP]

periph et dm [orféo_tufs, 27_JD_CP]

37Nous appelons ‹marqueurs de discours› des éléments qui fonctionnent comme des noyaux associés, c.-à-d. qui portent une forme de force illocutoire propre, qui prédique sur le noyau principal, qui sont généralement fortement lexicalisés et qui n’acceptent pas de modifieurs. Il peut s’agir d’éléments que les grammaires traditionnelles classent généralement dans les interjections (ah, ouh la la, pff, hein, euh) mais aussi d’éléments venant des autres catégories (bon, ben < bien, putain), y compris des constructions verbales (tu sais, je pense, on dirait).

38Alors que le schéma d’annotation du projet rhapsodie utilise deux niveaux séparés pour la micro- et la macrosyntaxe, ce qui a permis de mettre en évidence que les contraintes microsyntaxiques peuvent souvent s’exprimer au-delà des frontières macrosyntaxiques (Deulofeu et al. 2010), mais rend l’analyse des données moins aisée en raison d’encodages différents (la macrosyntaxe était annotée par un balisage du texte et la microsyntaxe par une structure de dépendance), orféo a choisi d’avoir un seul niveau d’annotation encodé à l’aide d’un arbre de dépendance, en privilégiant les relations macrosyntaxiques. Ainsi, les compléments détachés à gauche du sujet sont systématiquement analysés comme des composantes périphériques (et donc annotés periph), avec l’idée notamment de simplifier l’annotation pour les humains, comme pour l’analyseur.

39Une relation parenth a également été introduite pour les parenthétiques (Fig. 15). Les parenthétiques sont des unités qui pourraient être des unités illocutoires indépendantes mais elles se trouvent insérées dans une autre unité illocutoire. Elles se distinguent des marqueurs de discours par leur caractère beaucoup plus libre (on peut ajouter des modifieurs comme dans la construction verbale). Le faible nombre d’occurrences dans notre ‹gold› (un peu plus de 200) et l’absence de marqueurs lexicaux fiables n’a pas permis la reconnaissance automatique de cette relation dans le reste du corpus.

Figure 15

Dépendances macrosyntaxiques parenth et periph [rhapsodie, Rhap-M2001-C-Prom]

Dépendances macrosyntaxiques parenth et periph [rhapsodie, Rhap-M2001-C-Prom]

40Le schéma d’annotation ud standard, bien qu’ayant été développé essentiellement à partir de l’analyse de corpus écrits, comporte une relation discourse similaire à notre relation dm. Néanmoins, toutes les composantes périphériques verbales, qu’il s’agisse de marqueurs de discours, comme je crois, ou de parenthétiques, sont rattachées par la même relation parataxis. Deux relations correspondent à periph : la relation dislocated pour les compléments détachés non régis et la relation vocative pour l’adresse à l’un des participants d’une discussion. K. Gerdes et S. Kahane (2017) proposent divers aménagements du schéma ud pour prendre en compte les distinctions faites par orféo.

5.  Conclusion

41Un corpus de français parlé de 183 248 mots a été annoté en dépendance et corrigé manuellement. Un analyseur a été entraîné sur ce treebank gold pour annoter le reste du corpus oral (Nasr et al. 2020). Le schéma d’annotation a été également appliqué à l’écrit, en convertissant les sorties de l’analyseur frmg (de la Clergerie et al. 2009 ; de la Clergerie 2013). Les annotations du ‹gold› sont disponibles pour l’entraînement d’autres analyseurs et l’ensemble du corpus, ainsi annoté, permet de rechercher des configurations syntaxiques variées.

42Le schéma d’annotation orféo, qui peut s’appliquer aussi bien à des données écrites qu’orales, a été élaboré à partir de données orales en donnant une place importante aux phénomènes paradigmatiques (relation para) et macrosyntaxiques (relations periph, dm et parenth). Nous avons fait le choix d’une analyse syntaxique de surface avec un ‹tagset› réduit, qui facilite l’annotation manuelle et automatique. Depuis la fin du projet orféo, le schéma d’annotation ud s’est imposé comme standard, ce qui nous a amenés à développer le schéma d’annotation sud (surface-syntactic ud ; Gerdes et al. 2018, 2019), qui reprend les caractéristiques majeures du schéma orféo tout en permettant une conversion automatique vers ud.