Notes

• [1]
  Nous mettons en italiques la terminologie du domaine, ou celle qu’il nous semble judicieux d’employer, et entre guillemets les notions courantes auxquelles il faut donner un sens plus précis, opératoire.
• [2]
  Le bruit est la proportion de documents non pertinents sur l’ensemble des documents rapportés par le moteur de recherche et le silence la proportion de documents ­pertinents non rapportés. Le complémentaire du bruit est le rappel et celui du silence la ­précision.
• [3]
  Le nombre de pages Web accessibles via la Toile avoisine le milliard. Ces pages vont de quelques mots à des dizaines de milliers, mélangent les langues et, inégalement relues, fourmillent de scories. Nous n’aborderons pas ici les méthodes de détermination de la langue d’un énoncé ou d’un document ; voir par exemple Grefenstette, Nioche (2000).
• [4]
  Nous n’aborderons pas d’autres apports à l’accès automatique au sens : l’écrèmage dit résumé automatique, mise en évidence des relations de coréférence, recherche dans les documents de fragments qui apportent une réponse précise à une question factuelle, etc.
• [5]
  Pour une analyse plus fine (inspirée par les travaux de Rastier), on se reportera à ­Pincemin (1999).
• [6]
  Lexico3 (Lamalle et autres, 2003) permet par exemple de choisir ce statut au début du traitement d’un corpus.
• [7]
  Ce que font les dictionnaires de mots composés du LADL et l’outil de projection et de découverte qu’est Intex (Silberztein, 1993).
• [8]
  La cohérence ne règne pas forcément. Ainsi l’étiqueteur Cordial (http://­www.­sy­napse-fr.com) considère-t-il comme des mots en plusieurs mots à la fois droits de l’homme, personnes âgées et… situation économique, mode d’organisation, ce qui renvoie à la couverture et à l’incohérence des dictionnaires papier ou électroniques qui ont été intégrés.
• [9]
  C’est le cas d’Alceste (Reinert, 1996).
• [10]
  Les barres verticales notent la cardinalité d’un ensemble.
• [11]
  La distance est l’inverse de la similarité : un mot est d’autant plus proche d’un autre que la similarité entre eux est grande.
• [12]
  Leur taille peut varier de la phrase au document en passant par le paragraphe.
• [13]
  Voir Losee (1998, p. 43-62), pour une comparaison raisonnée d’indices courants.
• [14]
  Voir Beauvisage, Assadi (2002) sur les catégories des annuaires du Web.
• [15]
  Voir l’expérience comparative de Grefenstette (1996) entre les contextes de mots pleins étiquetés dans une fenêtre étroite et les dépendances syntaxiques fines fournies par l’analyseur syntaxique robuste Sextant (Grefenstette, 1994).
• [16]
  Voire même plus rapides malgré l’augmentation de la taille des données, car de ­complexité informatique moindre.
• [17]
  Voir a contrario Ploux, Victorri (1998)