Navigation – Plan du site

AccueilNuméros27La linguistique de corpus : une a...

La linguistique de corpus : une alternative [version abrégée]

Wolfgang Teubert
Traduction de Aurélie Lebaud
p. 185-211
Cet article est une traduction de :
Corpus Linguistics: An Alternative [en]
Autre(s) traduction(s) de cet article :
La linguistique de corpus : une alternative [fr]

Résumés

La linguistique de corpus a été développé pour extraire d’un corpus les connaissances linguistiques nécessaires à l’enseignement des langues ; un corpus étant un ensemble collecté et ordonné de données langagières réelles. Faisant partie de la linguistique appliquée, la linguistique de corpus n’a jamais revendiqué réellement de cadre théorique propre. Cependant, elle a procuré une manière nouvelle de regarder le langage. La linguistique de corpus situe la signification dans le discours, dans l’interaction entre les gens, plutôt que dans l’esprit des locuteurs. Seuls les mots pris dans leur contexte ont du sens, et ce qu’ils signifient est déterminé par leurs collocats contextuels. Donner du sens à un segment textuel signifie explorer les liens intertextuels qui le relient à la dimension diachronique du discours. L’herméneutique s’impose donc comme le cadre théorique d’une linguistique de corpus qui cherche à établir des passerelles entre le langage et la société.

Haut de page

Notes de la rédaction

Note 1 : cet article est la traduction de “Corpus Linguistics: An Alternative”, texte confié à Semen en tant que texte inédit. Pour se conformer au format de la revue, Wolfgang Teubert a accepté que nous coupions certaines parties de son texte initial. L’intégralité de sa contribution sera néanmoins rétablie et accessible dans la version électronique de Semen (sur www.revues.org, Éditions électronique scientifique, Fédération de revues en sciences humaines).

Texte intégral

1. L’avènement de la linguistique de corpus

  • 2 . John Sinclair, “Collocation Studies”, in Ramesh Kishnamurthy (ed.) (2005), English Collocation St (...)

1La linguistique de corpus n’est pas entrée en scène avant les années soixante du siècle dernier. Le corpus est une collection, réglée par des principes, de données du langage empirique, de textes (ou de fragments de textes), qui sont des échantillons d’un discours donné, dotés en conséquence d’une valeur représentative. Dès ses débuts, la linguistique de corpus telle que John Sinclair la conçoit est strictement empirique. Il est fort surprenant de constater à quel point les principes formateurs de ce nouveau paradigme sont présents dès ses balbutiements, comme le montre une lecture attentive du premier ouvrage d’importance sur la linguistique de corpus, English Collocation Studies. Écrit au milieu des années soixante, il n’est publié qu’en 20052. On y apprend que les items lexicaux acquièrent un sens non pas de manière isolée mais seulement pris dans leur contexte. Leur sens dépend largement de leurs collocats, des unités pertinentes, grammaticales ou lexicales, qui les entourent. La constitution du sens est le résultat d’une collocation, d’un enchaînement de mots dans un contexte donné, répétant les enchaînements qui se sont formés encore et encore dans le discours, et donc, dans le corpus. La linguistique de corpus est venue originellement répondre au besoin d’enseigner l’Anglais comme langue étrangère. Les dictionnaires traditionnels et leur attention exclusive portée sur les mots pris isolément, sont incapables de dire à leurs usagers comment employer un mot. La linguistique de corpus est une approche susceptible de pallier cette carence. Elle n’est pas conçue, en réaction aux efforts auto-destructeurs de la linguistique cognitive et chomskienne, pour décrire la façon dont l’esprit individuel traite le langage, mais s’ancre dans ce que les Britanniques appellent applied linguistics (la linguistique appliquée) qui centre son effort sur l’enseignement de la langue et l’élaboration de dictionnaires. La linguistique de corpus n’entend pas se poser en alternative ou en concurrente face aux paradigmes qui prétendent découvrir, ou du moins modéliser, la réalité d’une faculté de langage spécifique ou d’une faculté universelle de langage.

2Initialement, la linguistique de corpus ne s’intéresse pas à l’interprétation d’occurrences uniques ni ne cherche à se situer dans la tradition herméneutique. Elle est conçue et développée comme méthodologie visant à faire des découvertes sur une langue en général, pour soutenir la linguistique appliquée dans sa tâche. Les outils statistiques mis en place sont destinés à mettre à jour ce qu’il y a de commun entre toutes les occurrences d’un item lexical. Quels sont les autres mots pertinents dans tous les contextes de ces citations combinés entre eux, extraits du corpus et présentés comme des lignes de concordance ? Des logiciels statistiques sophistiqués peuvent découvrir quels autres mots se trouvent en co-occurrence, de façon signifiante, avec l’item lexical en question (le nœud), leur valeur significative impliquant qu’ils apparaissent plus (ou moins) fréquemment qu’une distribution aléatoire le laisserait attendre. Ces mots constituent les collocats du l’unité nodale ; nœud et collocats pris ensemble composent une collocation. Le but est de formuler des généralisations, susceptibles d’être enseignées ou intégrées à un dictionnaire. L’accent est porté sur ce qui est commun à toutes les occurrences d’un item lexical (ou à un sous-ensemble parmi elles), ou encore commun à toutes les occurrences d’une unité plus large comme une phrase plus ou moins figée. Cette finalité nécessite d’adopter une perspective synchronique, exactement telle que celle qui fonde la langue saussurienne.

3C’est à dessein que j’emploie ici le terme d’« item lexical » et non celui de « mot ». Un item lexical est une unité de sens ; c’est un monosème, selon un certain angle de vue qui demande à être défini. Les items lexicaux consistent souvent en un ou plusieurs mots, parfois même, comme dans le cas de certains idiomes, en une phrase entière. Un item lexical représente davantage qu’une simple combinaison aléatoire de mots. Le sens de « monde civilisé », tel qu’on le rencontre dans les médias aujourd’hui, ne peut se réduire aux sens respectifs de « monde » et de « civilisé ». En tant qu’item lexical, ce syntagme sert à « nous » distinguer d’« eux » et il assigne à ce « nous » un statut supérieur à celui accordé à « eux ». Que l’on considère cet exemple trouvé sur Internet : “The Iranian regime is an affront to the entire civilized world.” (« Le régime iranien est un affront au monde civilisé tout entier »). Le sens de l’item lexical a peu à voir avec le fait d’être civilisé ou d’afficher un comportement civilisé. Le locuteur sait que l’Iran n’est pas moins civilisé que les États-Unis et que le gouvernement iranien ne l’est pas moins que l’administration américaine, si l’on prend civilisé au sens de « poli et possédant de bonnes manières ». Le syntagme « monde civilisé » est en tant que tel une unité de sens. Telle qu’on la trouve dans nos médias occidentaux, elle ne réfère presque jamais à autre chose qu’aux nations occidentales : aux États-Unis à coup sûr, souvent aussi au Royaume-Uni et parfois encore à leurs alliés occidentaux. Il y a quelque temps, j’ai analysé 450 articles post-11 Septembre, contenant ce syntagme dans le Times de Londres, et voici la liste de collocats qui se lit comme un résumé de ses significations courantes, un condensé de ce qui a été et est encore dit à son propos :

The civilised world is peaceful, legitimate, dignified and solemn, has fundamental responsabilities, is full of innocent people asking for freedom, democracy, reason, and tolerance.

Its (sworn) enemies are : terrorism, (irrational) fanaticism, (global) terror, terrorists, fanatics, suicide murderers, agressive dictators, Muslims militants, the Muslim world, religious extremists, religious hatreds, bigotry, this cancer.

The civilised word is under (ruthless) attack, assault, terrorist attacks, but when stirred to anger and to action it will wage a (titanic) struggle for freedom and security, it twill bring its ennemies to account, punish them and hound these people down

(Le monde civilisé est pacifique, légitime, digne et solennel, possédant des responsabilités fondamentales, peuplé de gens qui demandent la liberté, la démocratie, la raison et la tolérance.

Ses ennemis (jurés) sont : le terrorisme, le fanatisme (irrationnel), la terreur (globale), les terroristes, fanatiques, auteurs d’attentats suicide, les dictateurs vindicatifs, militants islamistes, extrémistes religieux, les haines religieuses, le sectarisme, ce cancer.

Le monde civilisé subit une attaque (impitoyable), un assaut, une attaque terroriste, mais une fois poussé à la colère et à l’action, il engagera une lutte (titanesque) pour la liberté et la sécurité, il forcera ses ennemis à rendre des comptes, les punira et les pourchassera sans relâche.)

4Pas un seul des grands dictionnaires monolingues anglais ne répertorie monde civilisé comme item. Les linguistes traditionnels ont longtemps négligé le fait que nos énoncés sont beaucoup moins le résultat d’une créativité linguistique infinie qu’elles ne constituent des ressassements continuels et des variations sur des formules toutes faites. Notre oreille n’est pourtant pas exercée à identifier des phrases, même souvent récurrentes, comme des unités de sens potentielles, à moins qu’elles n’appartiennent à l’ensemble limité des idiomes que l’on reconnaît comme notre héritage linguistique. Seule une analyse statistique d’un nombre important de données du langage empirique révèle des co-occurrences signifiantes de mots isolés, occurrences qui nous indiquent que nous n’avons pas trébuché là sur une combinaison aléatoire mais sur une unité de sens répertoriée jusqu’à présent dans aucun dictionnaire. Il n’y a que la linguistique de corpus pour nous avertir de telles unités de sens. Il n’y a que grâce aux corpus et à des logiciels appropriés qu’on a pu réaliser que le sens émerge seulement lorsque des mots isolés se trouvent en co-occurrence avec d’autres mots et sont enchâssés dans un contexte plus vaste, à l’intérieur d’un texte lui-même inclus au sein d’un discours.

2. Quoi de neuf sur la linguistique de corpus ?

  • 3 . NdT : approche bottom-up : c'est à dire ascendante, ou encore de bas en haut, à l’inverse d’une a (...)

5Pendant longtemps, on n’a pas pris la peine de se demander si la linguistique de corpus, en tant qu’élément de la gamme de la linguistique appliquée, était à égalité avec les sciences dures. Elle a été créée pour servir un but : fournir de meilleures descriptions des langues naturelles et de leurs variantes. La linguistique de corpus est donc solide sur le plan des méthodes ; mais on a peu parlé de ses relations avec d’autres façons de mener les études linguistiques. Ce qui la distingue des autres théories du courant principal de la linguistique est son insistance à proposer une approche bottom-up3. Les générativistes par exemple, postulent l’existence de structures telles que des syntagmes nominaux, verbaux, qu’ils considèrent comme des composants de phrases, et les structuralistes conçoivent des traits sémantiques appelés « sèmes » qu’ils envisagent comme les blocs constitutifs des sémèmes, c’est-à-dire les représentations du sens des mots. Ce sont des catégories top-down, élaborées pour décrire l’évidence avant que cette évidence ait fait l’objet d’un examen. La linguistique de corpus ne tient aucune catégorie descriptive pour acquise, non plus que les mots, les parties du discours, les composants de la grammaire de constituants, ou les traits sémantiques. Elle commence par interroger l’évidence et la mettre à l’épreuve. Quels phénomènes linguistiques trouve-t-on dans un corpus, quels éléments présentent une tendance à la co-occurrence, quels conditionnements sont observables ? Alors seulement la linguistique de corpus se demande comment les données peuvent être catégorisées. Les outils informatiques sont les résultantes d’une méthodologie impartiale. L’ordinateur compte, mesure, compare et classe. Les programmes informatiques employés pour effectuer ces tâches sont disponibles à l’examen et doivent être approuvés par la communauté examinatrice. Les résultats qu’ils produisent sont reproductibles et chaque fois que ces programmes sont appliqués au même corpus, leurs résultats sont identiques. Voici qui rend la méthodologie de la linguistique de corpus analogue à celles des sciences naturelles comme la physique ou la chimie. En effet, sa méthodologie est davantage en droit de prétendre à la scientificité que la linguistique de Chomsky ou des cognitivistes. La linguistique de corpus ne se préoccupe pas des modèles émanant de systèmes putatifs et inaccessibles, elle traite les donnés du langage empirique, données offertes à quiconque veut les observer.

6Cette méthodologie computationnelle rend compte de l’avantage que la linguistique de corpus possède sur son prédécesseur, la philologie. Aussi vastes leurs cabinets de classement soient-ils, aussi attentifs qu’ils se montrent envers l’exhaustivité et l’impartialité de leurs travaux, les philologues ne peuvent démêler leurs découvertes objectives de leurs interprétations et sont dans l’impossibilité de rendre justice à la totalité de leur corpus. Ils ne peuvent traiter que ce que leur regard peut embrasser. Or, les conditionnements (patternings) ne sont souvent rendus visibles que par une approche statistique. Il faut attendre l’arrivée de l’informatique pour démontrer l’ubiquité de la collocation.

  • 4 . Michael Stubbs (2007), “On Texts, Corpora and Models of Language”, in Michael Hoey, Michaela Mahl (...)

7Le linguiste de corpus Michael Stubbs s’est récemment demandé quel rapport cette nouvelle approche entretient avec la notion de système du langage. Il rejette, quoique non explicitement, la revendication chomskienne et cognitiviste de le localiser dans l’esprit. Stubbs insiste en revanche sur l’impossibilité de séparer le système linguistique du discours, des données du langage empirique. Ce que l’on peut définir comme système linguistique est la généralisation que l’on peut faire à partir du comportement symbolique des individus, à partir de la réalité de leurs interactions verbales. La linguistique de corpus révèle des « patrons qui restent sans cela invisibles : ce que l’usage linguistique laisse attendre et prédire, ce qu’il y a d’usuel, de normal et de typique en lui ». Mais, concède-t-il, « nous n’avons jusqu’à présent que les contours d’une théorie capable de mettre système et usage en relation »4.

  • 5 . Elena Tognini Bonelli (2001), Corpus Linguistics at Work. Amsterdam: Benjamin, p. 61.
  • 6 . NdT: qui utilise le corpus pour confirmer ou infirmer une hypothèse.
  • 7 . NdT: approche inductive du corpus, préférant explorer sans a priori les données.

8D’aucuns pourraient avancer que la linguistique de corpus est victime de son succès. Son appareillage scientifique rend sa méthodologie attirante même pour des linguistes qui travaillent dans des cadres théoriques autres. Il fournit les bases pour toute négociation scientifique à l’intérieur de la communauté des chercheurs. Aujourd’hui, la plupart des linguistes théoriques insistent sur la confiance qu’ils accordent aux données empiriques et à la méthodologie de corpus. Il existe même un périodique intitulé Corpus Linguistics and Linguistic Theory, qui pose implicitement, dans son titre même, que la linguistique de corpus n’est pas une nouvelle approche du langage mais qu’elle offre seulement une nouvelle palette de méthodes et d’outils computationnels pour accéder aux données du discours. Mais il y a une différence majeure entre la linguistique de corpus et les autres paradigmes. Un linguiste cognitif aurait conçu une théorie particulière définie selon des catégories et des relations qu’elles entretiennent et toute hypothèse qu’il voudrait mettre à l’épreuve serait exprimée selon les termes de ces catégories. En conséquence, les corpus avec lesquels travaillent les linguistes cognitifs se manifestent habituellement sous des formes annotées, annotations soit automatisées, soit semi-manuelles, indiquant les catégories pré-conçues (pre-conceived categories) en question. Les résultats d’une telle analyse computationnelle ne peuvent donc pas mettre en question les catégories elles-mêmes. Au fond, les chercheurs qui adoptent cette approche recherchent, dans les corpus, des exemples pour illustrer les structures ou les entités dont ils ont fait l’hypothèse. Cette pratique de la linguistique de corpus est désignée par Elena Tognini Bonelli5 comme corpus-based6en opposition à corpus-driven7 qui qualifie l’approche bottom-up. Les linguistes de corpus nous exhortent à faire preuve de prudence face à ce genre de spéculations non testées expérimentalement, et à nous assurer de ne pas utiliser l’ordinateur pour valider en apparence la réalité ontologique de ces spéculations. La notion de « mot » n’est qu’une construction théorique, et non une unité qu’un ordinateur peut détecter et recenser. Une machine ne détecte pas des mots, elle détecte uniquement des chaînes de caractères alphabétiques entre des espaces. Qu’il s’agisse de mots est affaire d’interprétation. Un tagger n’identifie pas les noms ; il assigne un tag (une étiquette) sur la base d’une liste de « noms » ou sur la base de certaines « instructions », reproduisant ce qui sont des notions posées par des êtres humains faillibles. Il n’existe pas de noms au sens où il existe des oranges. Un nom est un concept créé par l’homme ; il peut ou non faire sens. Mais ceci est également vrai pour la « signification » assignée par des programmes statistiques. Ceux-ci (et nombre d’entre eux délivrent toute une gamme de résultats incroyablement différents) reflètent les notions théoriques sur la signification statistique des auteurs de ces programmes. Toutefois, il s’agit là de considérations qui s’appliquent non seulement à la méthodologie de la linguistique de corpus, mais aussi à toutes les méthodologies à l’œuvre dans les sciences dures.

3. En quoi la linguistique de corpus est-elle scientifique ?

t-score

Mutual Information

Raw frequency

patrick

scott

gil

island

s

rc

flight

blue

and*

liz

night*

great*

ronson

artist

kingfisher

chick

was*

st

crowned

gerald

painter

taylor

james

international

by*

pippa

nolan

green

abstract

mike

fish

city

<p>*

lyne

purple

stakes

painting

white

grey

ives

001

1981

tower

2*

a

</date>

corporation

lake

baby

park

79

66

51

42

149

28

28

28

276

22

27

26

17

14

13

13

93

15

11

11

11

12

13

14

64

9

9

11

9

10

10

14

122

8

8

8

8

12

8

7

7

7

7

17

218

9

7

7

8

9

8.851986

8.064827

7.136570

6.358066

5.778779

5.283019

5.193544

5.102982

4.984057

4.661392

4.482823

4.333431

4.120879

3.648895

3.597146

3.595990

3.512002

3.463732

3.305039

3.285298

3.284370

3.282829

3.278711

3.065846

3.027831

2.997651

2.982007

2.973864

2.968457

2.964786

2.913201

2.884250

2.847704

2.825549

2.785454

2.751572

2.728219

2.717118

2.710228

2.638379

2.625273

2.556060

2.552501

2.547713

2.522361

2.517748

2.506733

2.504475

2.498620

2.475114

cyclerama

aorg

triandis

6730

allyn

merganser

0749

lanyon

grebe

ronson

bishopsgate

metronome

gil

pippa

19990322

cormorant

lyne

herons

rc

dipper

snipe

sisterhood

729

crested

osprey

kingfisher

chick

ives

paragon

crowned

burghley

kempton

patrick

denton

heron

nocturnal

beak

turtles

mystique

breasted

nolan

albans

liz

scott

001

002

stevie

suzuki

headingley

cooks

6

3

4

4

5

3

4

3

5

17

4

5

51

9

4

4

8

3

28

3

3

3

3

4

3

13

13

7

3

11

3

5

79

3

4

3

3

4

3

3

9

3

22

66

7

3

4

3

3

4

15.523910

15.331246

13.576183

13.102205

12.395493

11.938590

11.679830

11.658454

11.497974

10.856020

10.690538

10.567891

10.522654

10.319519

10.094710

9.990863

9.941615

9.302739

9.285664

9.145754

9.026837

8.946905

8.942592

8.808995

8.753161

8.745627

8.559589

8.488213

8.190983

8.161973

7.997359

7.949833

7.940231

7.906339

7.749760

7.692048

7.542567

7.511884

7.497575

7.438675

7.382086

7.356036

7.337060

7.100897

7.014135

6.977266

6.951845

6.927396

6.803897

6.751075

the

and*

a

of

s

to

in

<p>*

was*

is

patrick

for

on

scott

by*

at

with

as

gil

that

his

island

from

it

but

has

one

this

an

blue

flight

rc

he

night*

or

had

all

great*

who

who

said

liz

be

are

our

which

up

when

will

2*

373  

276  

218  

171  

149  

126  

125  

122  

93  

81  

79  

77  

76  

66  

64  

60  

55  

53  

51  

50  

43  

42  

36  

32  

32  

29  

29  

28  

28  

28  

28  

28  

27  

27  

26  

26  

26  

26  

24  

24  

23  

22  

21  

21  

19  

19  

18  

17  

17  

17

  • 8  Mutual Information (MI) et t-score : le Mutual Information score (score d'information mutuelle) ex (...)

9Cependant que la méthodologie de la linguistique de corpus peut prétendre à la scientificité, il est davantage problématique de déterminer si le paradigme lui-même peut être décrit comme scientifique. Les méthodes, mises en pratique par les outils computationnels, délivrent des résultats, des constatations reproductibles et inattaquables. Mais en quoi ces résultats sont-ils révélateurs ? Le tableau ci-dessous montre ce que statistiques et fréquence nous apprennent, lorsqu’on recherche les vingt collocats les plus signifiants du mot nodal heron (héron) au sein d’un large corpus anglais, la Bank of English riche de plus de 500 millions de mots. Qu’apprend-on réellement sur le sens de cet item lexical ? Signification n’est en aucun cas synonyme de pertinence, elle est évaluée selon l’écart par rapport à la distribution aléatoire. Un collocat est un mot co-occurrent dont la fréquence est significative dans le contexte immédiat du nœud heron, c’est-à-dire dans un intervalle de cinq mots à gauche et cinq mots à droite du nœud. Notre tableau statistique donne les cinquante premiers « mots » (ou items entre des espaces), listés en fonction de leur rang que l’on obtient en appliquant à chacun le t-score et le MI : le Mutual Information test (test d’Information Mutuelle)8. On trouve dans la troisième colonne les cinquante mots contextuels les plus fréquents, avec leur fréquence de rang (raw frequency) :

10Aucune de ces listes ne nous révèle grand-chose. Il n’est pas surprenant que la plupart des mots en tête de la liste de fréquence de rang soient des mots grammaticaux. Mais les listes t-score et MI ne donnent guère plus d’informations. D’évidence, le t-score donne la priorité aux mots détenteurs de la fréquence la plus élevée, tandis que le MI test néglige totalement la fréquence. Les deux listes relèvent beaucoup de collocats qui ne font apparemment aucun sens. Certains d’entre eux ont sans doute partie liée avec les conventions de codage du corpus ; les autres semblent complètement aléatoires.

11Les collocats qui apparaissent dans les trois listes sont soulignés ; les mots qui ne figurent que dans la première et la seconde sont en italique ; un astérisque est adjoint aux collocats relevés dans la première et la troisième colonne. Une fois que l’on a désélectionné les noms propres, Patrick, Ronson, Liz, Scott etc., il ne reste que peu de collocats appartenant aux trois listes. Dans l’ensemble, la liste t-score possède le nombre le plus élevé de collocats pertinents, tels que night, flight, kingfisher, blue, crowned, fish, grey, lake (nuit, vol, martin-pêcheur, bleu, couronné, poisson, gris, lac). Pour les identifier comme pertinents, on doit posséder des connaissances préalables sur les hérons, par exemple qu’ils volent, qu’il en existe différentes variétés (des hérons couronnés, bleus, gris), qu’ils sont friands de poisson, vivent à proximité de lacs et ainsi de suite. La liste Mutual Information en dit peu : elle ajoute cormorant (cormoran) au kingfisher de la première liste, les deux étant des oiseaux comparables au héron.

  • 9 . Cobuild English Dictionary for Advanced Learners, troisième édition, 2001, Glasgow : Harper Colli (...)

12Voilà comment le héron est décrit dans le Cobuild English Dictionary9 :

A heron is a large bird which has long legs and a long beak, and eats fish.

(Un héron est un grand oiseau qui a de longues pattes et un long bec, et qui mange des poissons)

13De nombreuses interprétations sont nécessaires pour passer des résultats fournis par l’ordinateur à cette phrase. Bien sûr, nous autres linguistes de corpus ne nous contentons pas seulement de traquer des collocats. On peut aussi rechercher paraphrases, définitions ou explications de heron, chercher par exemple toutes les citations commençant par a heron is (un héron est). Voici quelques résultats (sur 73 en tout) davantage pertinents, fournis par Google :

14A heron is a large wading bird in the family Ardeidae

15A Heron is a bird that hangs out around the water ; by the beach.

16A heronis a beautiful creature.

17A heron is a huge target. Hard to miss.

18An image is no more a representation of an existing reality than a heron is a representation of the landscape through which it is flying.

19A heron is a lonely and solitary creature often found sobbing in ladies washrooms lamenting its gothic heritage

20To some, the appearance of a heron is a good omen, but to others, it warns of fire and drought.

21A Heron is a bad omen, heralding parsimony and evil.

22Beaucoup d’autres citations, des occurrences contextualisées du mot heron, contiennent aussi un contenu paraphrastique de ce genre. Dans le British National Corpus, un corpus issu du domaine public, riche de 100 million de mots représentant l’anglais britannique du début des années 90, on trouve par exemple parmi les 289 occurrences de heron, ces citations qui énoncent ce que l’on peut dire de cet oiseau (et que nous soulignons en italique) :

a tall stooped grey figure, like a heron

statuesque heron stared balefully into shallow pools

a heron ... would hunch on the garage roof as I left for work, and I could well imagine the thoughts of piscicide running through its reptilian brain.

This long neck and dignified strut makes the heron’s posture an enduring image.

A heron scraiked below the steep slabs of stone

Forget shrill heron’s stark cry

watching a heron gliding around like a poker with a crick in its neck

a heron rose on gaunt wings, its legs dangling

The old heron ... flaps his melancholy wings.

That most attractive bird, the heron can be observed more easily

23En prélevant des contenus paraphrastiques fournis par Google, des échantillons de la Bank of English et du National Corpus, nous pourrions en arriver à cette interprétation de sens (le contenu paraphrastique en italique, copié verbatim) :

A heron can be found close to the water,by the beach. It displays a tall stooped, statuesque, posture, featuring a long neck and a dignified strut. Its wings are gaunt and perhaps even melancholy. When it flies, it may look like a poker with a crick in its neck. The heron’s cry can be called shrill and stark, a kind on skraiking. It lives of piscicide, and humans may disagree with its baleful intentions ascribed to its mind. Because it presents a huge target, it can easily be shot dead by those who do not like it. Others may find it a beautiful creature and a most attractive bird. Whether herons are seen as a good omen, or a bad omen, warning of fire or drought or heralding parsimony and evil, is an open question. In some cultures, a herons is ridiculed as a king among a hundred crows. More context would be needed to understand why it is said that a heron is a lonely and solitary creature often found in ladies washroomslamenting its gothic heritage.

24Mon interprétation, telle qu’elle se donne à lire, est entièrement adossée aux données du langage empirique. Mais elle ne constitue pas une conclusion scientifique. Il ne s’agit pas du sens de heron, pas même au sein des discours que représentent les trois corpus. Il ne s’agit pas du résultat direct issu de l’application d’une méthodologie scientifique. D’autres chercheurs travaillant avec les mêmes corpus prendraient des options différentes sur les collocats à définir comme pertinents (à l’opposé de significatifs), sur les citations à choisir, également sur ce que constitue un contenu paraphrastique. Le sens de heron à l’intérieur d’un discours, ou d’un corpus, c’est tout ce qui est à propos de heron. Mais quel est ce « tout » ? Le sens, tel que je le conçois, ne fait pas de distinction entre le savoir des mots et le savoir du monde, entre savoir lexical et savoir encyclopédique. L’ordinateur ne peut « décider » pour nous ce qui est à mettre au compte de tel savoir ; un acte décisionnel de cette nature demeure le fait d’une conscience et comme tel, il est contingent, subjectif et jamais ultime. Je puis offrir mon interprétation à la communauté interprétative à laquelle j’appartiens. Là, elle fera l’objet de négociations et sera soumise à d’autant plus d’actes interprétatifs. Quand bien même on s’accorderait au final sur une seule interprétation, celle-ci ne pourrait être qualifiée de scientifique ou reproductible. La même communauté interprétative, examinant demain les mêmes données, pourrait bien en tirer une conclusion divergente.

4. Dans quelle mesure la linguistique cognitive est-elle scientifique ?

25La tâche du linguiste cognitiviste, selon Ronald Langaker, est de fournir des analyses structurales et des descriptions explicites des pensées et des concepts. Langaker ne serait pas un linguiste cognitiviste s’il ne plaçait pas avec conviction la signification dans le royaume de l’esprit. Pour lui,

  • 10 . Ronald W. Langaker (2002), The cognitive Basis of Grammar. Berlin : Mouton de Gruyter, p. 2.

la signification équivaut à la conceptualisation. La linguistique sémantique doit donc rechercher l’analyse structurale et la description explicite des entités abstraites tels que les pensées ou les concepts … Parce que la conceptualisation réside dans les processus cognitifs, notre objectif ultime doit être de caractériser les types d’événements cognitifs dont l’apparition constitue une expérience mentale.10

26Mais il garde un esprit ouvert :

  • 11 . Ronald W. Langaker (1997), “The contextual basis of cognitive semantics” in Jan Nuyts & Eric Pede (...)

Se pourrait-il, par exemple, que le langage réside entièrement dans les esprits individuels ? … A l’autre extrême, il pourrait être soutenu – peut-être dans une perspective strictement platonicienne ou interactionniste – que le langage n’a aucune sorte de représentation mentale.11

27C’est à travers

  • 12 . Ibid. pp. 233-234.

l’interaction et la mutuelle accommodation que les schémas conventionnels d’activités – que nous appelons « langage » – naissent, se soutiennent elles-mêmes, et subissent de continuels ajustements. L’étude des bases interactives du langage est en conséquence essentielle pour rendre pleinement compte de son acquisition, sa structure, et son usage. J’insiste, néanmoins pour dire qu’il n’y a pas d’équivalent d’un tel compte-rendu, qui doit aussi embrasser les ajustements mentaux spécifiques et qui rendent les locuteurs capables de communiquer d’une manière sanctionnée conventionnellement. Insister exclusivement sur les interactions per se serait aussi inutile que de toutes les ignorer – chaque option omet un composant essentiel du langage, l’un ne peut être bien compris sans l’autre.12

  • 13 . Ibid. p. 242.

28Au bout du compte, néanmoins, c’est par la signification que nous sommes concernés. Une fois que les conventions, les règles mutuellement admises, sont acceptées, nous ne devons pas hésiter à regarder dans l’esprit des gens : « Les significations des expressions linguistiques sont des conceptualisations, et les conceptualisateurs pertinents sont le locuteur et l’interlocuteur »13.

  • 14 . Ibid. p. 235.
  • 15 . Ibid. p. 240.

29La signification, donc, c’est ce que nous cherchons dans les profondeurs de l’esprit, la façon dont une « expression est effectivement comprise – sa compréhension pleine, richement détaillée »14 ; « le but immédiat de la sémantique, par exemple, est d’identifier les composants conceptuels et d’élucider la structure des conceptualisations complexes évoquées par les expressions linguistiques »15. C’est à peu près là que Langaker nous emmène. Ce qui ne nous est pas proposé est une illustration de ce en quoi consiste une telle conceptualisation et de ce que peuvent être de tels composants conceptuels. Qu’est-ce qu’« une compréhension contextuelle pleine, richement détaillée » ? Ceci ne nous est pas dit. Aucun exemple de « représentation cognitive » n’est donné. A la place, nous trouvons l’échappatoire qui est habituellement utilisée par les scientifiques cognitivistes quand le lecteur attend une lueur d’activité mentale : un saut brutal de l’esprit au cerveau :

  • 16 . Ibid., p. 239.

Maintenant, je parle bien des représentations mentales, mais le terme ne réfère pas à des entités figuratives complexes stockées comme telles. Il indique simplement l’apparition des ajustements neurologiques, particulièrement des changements dans le flux des connexions synaptiques qui influencent les traitements subséquents et facilitent l’émergence de schémas d’activité constitutifs de types particuliers d’expériences mentales. Un locuteur, à l’évidence, n’a pas d’accès introspectif à ces ajustements, qui en aucune façon ne ressemblent à l’expérience émergente qu’ils engendrent. En fait, même cette expérience reste pour nous hors d’atteinte, en ce que nous n’avons aucun accès conscient aux caractéristiques du traitement cognitif qui la constitue. Bien que, dans une certaine mesure, nous contrôlions notre expérience, et puissions même essayer de l’analyser, pour l’essentiel nous ne faisons que l’avoir.16

30Ainsi, je crains que la « compréhension contextuelle pleine, richement détaillée » d’un énoncé ne soit une expérience dont nous devrions mais ne puissions réellement avoir conscience. Nulle introspection ne nous permet d’observer nos états mentaux, notre propre intentionnalité. Il n’existe qu’une échappatoire : les représentations peuvent, au mieux, être décrites en termes d’ajustements neurologiques. L’expérience elle-même demeure ineffable. En dernier recours, les linguistes cognitifs de tout poil semble s’accorder à penser que seules les neurosciences sont capables de nous éclairer sur le sens des mots, des syntagmes et des énoncés. La sémantique a pour tâche d’« élucider la structure des conceptualisations complexes évoquées par les expressions linguistiques ». Mais en dernière instance, ces représentations n’ont pas à être recherchées dans l’esprit mais doivent être comprises comme des « ajustements neurologiques » dont le locuteur est inconscient. A l’instar d’autres linguistes cognitifs et philosophes de l’esprit, Langacker lui aussi échoue à produire un seul exemple de concept mental.

31Est-ce que la neurolinguistique, dont l’aura s’élargit de plus en plus de nos jours, offre les réponses que les linguistes cognitifs sont impuissants à fournir ? L’étude du cerveau, partie intégrante de la biologie, appartient d’évidence aux sciences dures. Peut-elle nous éclairer sur le « vrai » sens du mot heron ? L’a-t-on découvert une fois que l’on sait quels neurones s’activent et quelles connections synaptiques sont sous tension chaque fois que quelqu’un profère ou entend heron ? Quelle est la différence entre un concept mental et des neurones ? La question cruciale qui agite la philosophie occidentale depuis que Descartes l’a initiée, nous reste encore posée : la relation entre le corps et l’âme.

32Le langage est symbolique ; il consiste en des items lexicaux dotés d’un sens. Les symboles sont des formes qui valent pour un contenu. Mais de quelle nature est ce contenu ? Tous les signes présupposent des personnes et présupposent un dialogue. Je peux seulement savoir qu’un item lexical signifie quelque chose pour quelqu’un (moi y compris) si l’on me dit que c’est un signe et quelle signification il a. C’est la négociation discursive sur leur contenu qui transforme des séquences phonétiques, par exemple, en signes. Dans un monde privé d’interaction symbolique, il n’existe pas de signes. Sans des gens qui savent ce que représentent les signes et peuvent en débattre, il n’existe pas de signes. Si les concepts mentaux et les phénomènes neuronaux sont des entités dont nous n’avons pas conscience, alors il ne peut exister de signes, car ils n’auront aucune signification pour personne, pas même pour des neurones. Les neurones ne peuvent pas débattre pour décider de s’activer ou non, lorsqu’une séquence phonétique est perçue par le cerveau. Les neurones sont indéniablement des objets d’enquête scientifique. Mais pour autant, il n’y a pas de pont qui nous permette de connecter les neurones activés au sens. Le sens ne peut être qu’un produit social, et ne se tient ni dans l’esprit ni dans le cerveau.

5. Intentionnalité et discours comme pensée collective

  • 17 . Terrence W. Deacon (1997), The Co-Evolution of Language and the Brain, New-York : W. W. Norton & (...)

33La linguistique cognitive envisage le langage dans une perspective mentale, psychologique. Mais le langage présuppose la société. Coupés de la communication, les enfants n’acquièrent pas le langage. Cependant, comme « espèce symbolique », pour citer le titre du livre de 1997 de Terrence W. Deacon17, nous sommes génétiquement prédisposés à communiquer par interaction symbolique ; comprendre qu’il y a des objets qui représentent des contenus symboliques est quelque chose qui doit être appris par interaction. Les signes, les mots, par exemple, signifient quelque chose pour nous. Nous sommes conscients de leur signification. Nous savons de quoi parle la séquence graphique heron. Nous pouvons dire aux gens ce qu’elle signifie, nous pouvons nous en souvenir et nous pouvons l’oublier. Les êtres humains sont doués d’intentionnalité. Ils n’ont pas seulement des comportements, ils peuvent se rendre conscients de ce qu’ils font, de ce qu’ils écoutent et de ce qu’ils viennent juste de dire. On dit que les fourmis, les chats, les dauphins, les primates aussi communiquent. Mais ils ne sont pas conscients du fait qu’ils sont en train de communiquer. Ils ne peuvent pas discuter pour savoir si la finalité de ce qu’ils ont fait était de communiquer ou non. Ils ne sont pas doués d’intentionnalité. Les processus mentaux ou neuronaux dont on n’est pas conscient ne sont pas intentionnels.

34Les fourmis réagissent aux données sensibles, mais elles ne les interprètent pas. C’est l’auto-référentialité du discours, la possibilité de considérer et d’interpréter ce qui a été dit qui rend compte de l’émergence de l’intentionnalité, de la conscience. Notre aptitude à discuter ce qui a été dit, à délibérer, à évaluer, à savoir ce que nous pensons, à réfléchir sur des contenus individuels et collectifs n’est pas quelque chose avec quoi nous sommes nés ; c’est une capacité que nous développons seulement en engageant un dialogue avec d’autres membres de notre communauté de discours. Notre dialogue intérieur n’est rien de plus qu’un simple miroir du dialogue qui se déroule dans le discours. Sans une entrée verbale venue de l’extérieur, nous pouvons encore agir à certains niveaux, mais nous ne dominons pas les contenus. L’esprit individuel monadique est muet. Comme Mikhaïl Bakthine l’a dit il y a longtemps, c’est l’hétéroglossie du dialogue qui nous transforme d’automates en acteurs créatifs.

35La signification existe seulement dans le discours, dans la parole. Linguistes saussuriens, chomskiens et cognitivistes espéraient être capable de traiter de la signification en se limitant au système de la langue. Mais pour un système linguistique qui est modélisé indépendamment du discours, la signification est une propriété fixée qui vient avec la forme. La signification de heron n’aurait pas été accessible à la négociation ; nous, sujets parlants, n’aurions pas pu dire en quoi il signifie. Il aurait été une formule invariable, comme l’ardea dans la taxinomie de Linné et rien de plus. Que certaines personnes trouvent l’oiseau attirant et que des pêcheurs puissent le considérer comme leur ennemi ne serait pas une partie de sa signification. Il s’agit d’une description de la langue aussi fascinante que les tables de logarithme ou que les manuels de maintenance d’un aéroplane. Dans une langue de cette sorte nous n’aurions pas à avoir conscience de la signification, puisque nous n’aurions rien à dire à son propos ; nous ne pourrions pas la changer. Un mécanisme, comme un ordinateur, défini comme un ensemble de processus mentaux ou neuronaux, pourrait la traiter. Le concept de signification que nous trouvons au 20ème siècle dans les principales théories linguistiques n’a pas à prendre en compte l’intentionnalité. Leurs systèmes linguistiques marcheraient aussi bien, sinon mieux, s’il n’y avait pas de locuteurs du tout.

36La linguistique de corpus considère le langage dans une perspective sociale. C’est la linguistique non pas du système de la langue mais de la parole, du discours. Cependant, plus nous acceptons cette conception, moins nous pouvons regarder la linguistique de corpus comme une science dure. Les chercheurs occupés par les fourmis peuvent étudier le système de communication de leurs fourmis de l’extérieur. Ils occupent une posture archimédienne. Ils peuvent attribuer des fonctions aux phénomènes produits par les fourmis sans leur en parler. Les fourmis n’ont rien à dire dans le système de communication que les chercheurs modélisent. Les fourmis n’ont pas d’intentionnalité. Elles ne savent pas qu’elles communiquent. Un chercheur spécialiste des fourmis ne dépend pas de leur approbation. Aussi longtemps que les méthodes sont suffisamment explicites, que les données sont rendues accessibles et que les expérimentations peuvent être reproduites, les autres chercheurs accepteront les découvertes qui sont issues de cette recherche. Pour les linguistes de corpus, la situation est sensiblement différente. Ils doivent interpréter les résultats fournis par leur méthodologie. Ils doivent négocier leurs interprétations avec leurs collègues linguistes de corpus. Mais leur communauté interprétative est plus large : elle inclut aussi la communauté de ceux dont ils analysent le discours.

37La signification est sociale. Donc nous devons l’étudier dans le discours, non dans l’esprit des individus. Le propos d’un texte (segment de texte) est quelque chose qui est négocié dans une interaction dialogique. L’intentionnalité peut être envisagée comme un phénomène social et non pas simplement mental ; elle devient observable une fois que nous la considérons comme une propriété émergente du discours. La manière dont elle affecte un esprit individuel n’entre pas dans le champ de la linguistique. Une approche du langage dans une perspective sociale analysera un discours comme un esprit collectif. La signification d’une contribution à un discours est l’équivalent des traces qu’il laisse dans le texte subséquent, de l’impact qu’il a sur le discours.

38La linguistique de corpus intéressée par la signification doit donc progresser à partir du rôle qu’elle a joué lors des quarante dernières années. Comme partie de la linguistique appliquée, elle utilise une méthodologie bottom-up pour reconsidérer les généralisations que les études linguistiques traditionnelles, travaillant avec un corpus canonique de catégories linguistiques héritées, ont produites. Mais elle était corrélée à un type de savoir linguistique appelé par des applications telles que l’enseignement des langues et la lexicographie. Là, elle a provoqué l’apparition d’innovations divergentes. Tous les dictionnaires récents prétendent s’appuyer sur des données de corpus. L’enseignement des langues a été bouleversé par l’usage des corpus.

39Mais une généralisation seule ne peut jamais capturer le phénomène de la signification. La signification n’est jamais stabilisée. Le discours consiste en couches successives d’interprétation. Chaque nouvelle négociation de signification, chaque nouvelle interprétation ajoute à la signification de ce qui a déjà été dit. Le discours a une dimension diachronique. C’est là que je vois l’avenir de la linguistique de corpus. Les linguistes de corpus ont appris à appréhender ce qui est commun à toutes les occurrences d’un item lexical dans un corpus synchronique. Maintenant ils doivent apprendre à découvrir ce qui distingue une occurrence particulière de toutes les occurrences antérieures et postérieures. Ils doivent développer des méthodes qui leur diront ce qui fait qu’une occurrence est unique.

6. Linguistique de corpus et herméneutique

40Quoi que nous puissions dire, nous ne partons jamais de rien. Les textes qui constituent un discours ne sont pas entrés en lui en même temps. Chaque fois qu’une contribution à un texte est apportée, nous avons à la comprendre comme une réaction à quelque chose qui a été dit auparavant, et comme une demande de commentaire à apporter à son propos. Dans le texte Le marxisme et la philosophie du langage, attribué à Valentin Voloshinov mais dont l’auteur est vraisemblablement Mikhaïl Bakhtine, nous trouvons ces phrases :

  • 18 . NdT : Nous avons repris pour l’occasion la traduction de Marina Yaguello (1977, Ed. de Minuit) po (...)

Et pourtant l’énonciation-monologue est déjà en elle-même une abstraction (...). Toute énonciation, même sous forme écrite figée, est une réponse à quelque chose et est construite comme telle. Elle n’est qu’un maillon de la chaîne des actes de parole (p. 105).18

41Tout texte nouveau répète, dans une large mesure, des choses qui ont déjà été dites. Les segments de texte, collocations, items lexicaux simples et complexes qui ont été utilisés auparavant sont recombinés, permutés et insérés dans de nouveaux contextes, contenant quelques nouveaux contenus paraphrastiques joints avec les anciens. Un nouveau texte reprend, accepte, commente, modifie, réinterprète ou rejette des textes préalables. L’essentiel de ce que nous disons est une reformulation de choses dites avant, mais chaque production, normalement, apporte une petite innovation. C’est cette innovation qui en fait un énoncé unique, quelque chose qui, sous certains aspects, diffère de toutes les occurrences antérieures et à venir.

42En conséquence, ce qui fait sens c’est de regarder le discours comme une séquence de contributions textuelles. Les textes précédents laissent des traces dans les textes suivants, et les derniers textes font référence aux textes antérieurs, parfois explicitement, mais le plus souvent implicitement. C’est le phénomène d’intertextualité qui établit des liens entre les textes. Le mot et le concept d’intertextualité est relativement récent. Il est attribué à Julia Kristeva, qui l’introduit dans son exégèse des termes bakhtiniens de dialogue et ambivalence :

  • 19 . “Kristeva's emphasis” p. 39, in Toril Moi (Ed.) (1986), The Kristeva Reader, New York: Columbia U (...)

[T]out texte se construit comme mosaïque de citations, tout texte est absorption et transformation d’un autre texte. À la place de la notion d’intersubjectivité s’installe celle d’intertextualité.19

43Le contexte le plus large montre que ce que Kristeva décrit ici n’est pas tant le discours que le procès d’une pensée individuelle qui, dans la perception des liens intertextuels, engendre une communication entre un auteur et son lecteur ou sa lectrice. Depuis son introduction, ce nouveau terme a été utilisé de différentes façons.

  • 20 . Graham Allan (2000), Intertextuality, London : Routledge, p. 58.

L’intertextualité, comme concept, a une (courte) histoire, celle des différentes articulations qui reflètent les différentes situations à partir desquelles ce concept a émergé. 20

44Comme je n’ai, en tant que linguiste de corpus, aucun savoir sur l’intertextualité comme phénomène mental, j’exclus l’interprétation psychologique de ce concept. Comme, en un certain sens, l’intertextualité est directement observable, les citations explicites et les cas évidents de plagiat sont de bons exemples. D’un point de vue plus large, l’intertextualité implique des liens implicites ou explicites entre des textes et des segments de texte d’un discours. En faisant référence à ce qui a été dit précédemment, la fonction de l’intertextualité ajoute une nouvelle couche d’interprétation à quelque chose qui a été dit auparavant. Ma communauté interprétative peut maintenant négocier dans quelle mesure ce que j’ai dit est acceptable au titre d’une nouvelle interprétation. Ce qui signifie que le concept d’intertextualité est arbitraire. Alors que de nouveaux outils nous aideront à découvrir des candidats à la fonction de lien intertextuel, la décision de savoir si quelque chose est un lien intertextuel repose sur nous. Il n’y a pas de mécanisme formel qui nous dit si deux textes sont intertextuellement liés. Des similarités peuvent après tout être accidentelles. Ce qui est présenté comme étant des liens intertextuels doit être assumé par la communauté interprétative. Prenons par exemple la phrase trouvée dans le San Francisco Sentinel du 02-02-09 :

Confidence in Britain’s ability to overcome the economic turmoil is sinking by the day, as evidence by the precipitous decline of the pound, which has almost reached parity with the euro.

(La confiance en la Grande-Bretagne à surmonter la crise économique s’effondre jour après jour, comme le prouve la chute précipitée de la livre qui se retrouve presque à parité avec l’euro.) 

45Quatre semaines plus tard, le 28-02-09, nous trouvons dans le Times cette phrase :

Unlike Britain, [Portugal, Ireland, Greece and Spain] have been unable to devalue their currency.

(A la différence de la Grande-Bretagne, [le Portugal, l’Irlande, la Grèce et l’Espagne] ont été incapables de dévaluer leur monnaie.) 

46Y-a-t-il un lien entre “the precipitous fall of the pound” (la chute précipitée de la livre sterling) et la capacité “to devalue their currency” (à dévaluer leur monnaie) ? L’intertextualité est établie non par un ordinateur mais par son interprétation.

47J’aimerais développer la linguistique de corpus de telle manière qu’elle nous aide à découvrir ce qu’un texte, un segment de texte ou un item lexical signifie dans un contexte particulier, à un moment donné. Comme Hans-Georg Gadamer l’a montré, une telle entreprise ne peut jamais réussir. Si j’écoute la musique de Bach aujourd’hui, je ne peux empêcher qu’elle soit perçue d’une manière différente de celle de ses contemporains. Ce qui était alors révolutionnaire est devenu, après Haydn, Mozart, Beethoven, une tradition reconnue. Mais la musique de Bach a certainement été influencée par les autres compositeurs baroques. Il y a des liens intertextuels qui relient ses succès à ceux de ces prédécesseurs et de ses successeurs. La même chose vaut pour le discours. La signification de chaque item lexical dans une nouvelle contribution est chaque occurrence antérieure contextualisée, c’est-à-dire, tout ce qui a été dit, jusqu’au moment où cette contribution apparaît dans le discours. Plus spécifiquement, c’est la totalité du contenu paraphrastique que l’on trouve pour cet item lexical. Cette définition implique qu’il n’est pas important que les membres de la communauté de discours soient avertis de sa signification. En fait, en raison des limitations d’accès aux données pertinentes, la pleine signification ne peut jamais être garantie. C’est une définition de la signification qui ne trouve refuge ni dans des représentations mentales ni dans le monde réel.

48L’interprétation d’un texte, d’un segment de texte ou d’un item lexical est différente de sa compréhension. Dans mon interprétation privée d’un poème, je me l’approprie en tant qu’expérience à la première personne. Je ne serai jamais capable de décrire à quelqu’un d’autre ce qu’il signifie pour moi. C’est seulement en donnant un témoignage verbal de cette expérience que je peux franchir le pas qui va de la compréhension à l’interprétation. Comprendre est quelque chose qui prend place dans un esprit individuel. Comprendre ne requiert pas de verbalisation. Une interprétation est toujours exprimée verbalement et dirigée vers les autres qui ont leurs propos en elle. Donc c’est un acte collaboratif qui implique les autres membres de ma communauté interprétative.

  • 21 . Cité dans Mueller-Vollmer, Kurt (ed.), 1986 : The hermeneutics Reader. Oxford : Blackwell, p. 27.
  • 22 . Ricœur, Paul (1981), Hermeneutics and the HumanSciences. Edited and translated by John B. T. Thom (...)
  • 23 . Cité par Fritz Hermanns (2002), Linguistische Hermeneutik, in Angelika Linke, Hanspeter Ortner, P (...)
  • 24 . Cité dans Frank, Mandfred (ed.) (1977), F. D. E. Schleiermacher, Hermeneutik und Kritik. Frankfur (...)

49L’herméneutique, art (ou savoir faire, comme certains la considèrent) de produire le sens des textes, est concernée par du matériel langagier écrit ou enregistré. Aussi n’est-ce pas une surprise si la linguistique partage les mêmes contraintes. Même quand le fait de parler est pensé comme étant la forme primordiale des langues, les linguistes, Saussure par exemple, ont travaillé à partir de transcriptions. Wilhelm Dilthey pose explicitement que l’herméneutique concerne « l’interprétation des témoignages écrits de la vie humaine ».21 C’est à peine surprenant. Les textes écrits (avec quelques exceptions) ne nous fournissent pas la possibilité d’interroger leurs auteurs sur leurs intentions. Dans les termes de Paul Ricœur, « l’écrit rend le texte autonome par rapport aux intentions de l’auteur. (...) la relation entre l’écriture et la lecture n’est plus un cas particulier de la relation entre parler et écouter ».22 Aux xviiième et xixème siècles, cependant, sous l’influence de l’invention de l’homme comme personne unique et autonome et la psychologisation des relations humaines qui s’ensuit, l’écrit est compris comme un accès vers le moi profond de l’auteur. Emmanuel Kant, apparemment, a été le premier à exiger que le but de l’analyse herméneutique soit « de comprendre l’auteur mieux qu’il ne s’est compris lui-même ».23 Ce qui a été rendu célèbre, d’abord, par Friedrich Schleiermacher qui a défini la tâche de l’herméneutique comme celle de « comprendre un énoncé d’abord aussi bien, puis mieux que son auteur »24 et ensuite, de cette manière par le philologue August Boeckh : « L’interprète par conséquent comprend l’auteur mieux que l’auteur ne se comprend lui-même ».

50L’herméneutique aujourd’hui, est moins concernée par l’esprit que par la signification d’un texte, d’un segment de texte ou d’un item lexical. Cette signification a peu à voir avec les intentions de l’auteur. À leur propos, nous ne savons rien, nous n’avons affaire qu’à ses mots à lui ou à elle, qui de nouveau peuvent recéler des intentions propres. La tâche de l’herméneutique c’est de prendre le discours comme objet. Pour son interprétation, il importe peu de savoir si le livre mentionné ci-dessus, Le Marxisme et la Philosophie du langage, a été vraiment écrit par Voloshinov ou par Bakhtine. Michel Foucault, Roland Barthes et beaucoup d’autres ont marginalisé le rôle de l’auteur. De la même façon, Paul Ricœur, faisant référence à Truth and Method (Vérité et méthode) de Hans‑Georg Gadamer, soutient que l’écrit « rend le texte autonome par rapport à l’intention de l’auteur. » (Ricœur 1981 : 139) et ajoute : « Ce que le texte signifie ne coïncide plus avec ce que l’auteur voulait dire. » (Ricœur 1981 : 91).

51Néanmoins comment fonctionne l’herméneutique ? Si nous pouvons savoir ce que chaque texte ancien, disons La République de Platon, ou n’importe quel segment de texte, n’importe quel item lexical clé, signifie, il n’est pas suffisant de le lire dans l’horizon de notre conceptualisation contemporaine. Nous avons plutôt à l’interpréter dans le contexte des autres textes qui appartiennent en gros à la même période, des textes envers lesquels La République réagit, des textes qui y font référence. Mais ce n’est pas assez. Nous avons aussi à comprendre dans quelle mesure notre lecture est débitrice de tout ce qui a été produit depuis. Nous avons à comprendre combien les textes suivants ont influencé notre perception. Il n’y a pas de chemin direct qui permette de retrouver la fraîcheur de l’expérience que l’œuvre de Platon a connue en son temps. La seule façon d’approcher la signification originale est de prendre conscience des traces que le texte de Platon porte depuis son origine. Nous trouvons ces traces sous forme de citations explicites ou implicites, de remarques et de beaucoup d’interprétations à part entière que l’on appelle commentaires. Néanmoins nous avons aussi à prendre en compte toutes les idées qui ont été inventées après, qui constituent une part intégrale de nos moyens de réfléchir à la société. Pouvons-nous imaginer un temps où le concept d’égalité ou de droits humains n’étaient pas encore accessibles ?

52La communauté qui interprète La République de Platon repose alors sur des données, données tirées du discours. Seul un cadre linguistique capable de s’occuper de ces données, de s’occuper de la parole, est en position de fournir de tels faits. La linguistique de corpus et l’herméneutique se complètent l’une l’autre. La linguistique de corpus offre une méthodologie qui nous assure qu’aucune possibilité n’a été négligée ; et l’herméneutique nous (la communauté interprétative) donne alors le niveau de réflexion propre à offrir un nouveau sens à ce qui a déjà été l’objet d’innombrables interprétations.

53Considérons un exemple concret. Dans la toute première phrase de La République, nous rencontrons le verbe grec προσευχομαι. Ce verbe existe encore en grec modern et il est normalement traduit en anglais par to pray. (prier) Mais qu’est-ce que προσευχομαvoulait dire à l’époque de Platon ? Ce que nous nommons prier maintenant est une sorte de communication avec Dieu très particulière, très personnelle, bilatérale bien qu’asymétrique. Était-ce également vrai à l’époque de Platon ? Ou les prières étaient-elles alors l’équivalent verbal des sacrifices que le peuple offrait à ses dieux ? Ce serait alors plutôt une forme unilatérale de communication. Le peuple ne s’attendait pas à ce que ses dieux lui répondent, même si le sacrifice était destiné à s’attirer leurs bonnes grâces. Le texte de Platon en lui-même n’offre pas de réponse. Il reprend, sans commentaire ni paraphrase, ce qui était généralement compris comme concept de προσευχομα. Cependant ce concept était le résultat de négociations au sein de l’ensemble de la communauté de discours de la Grèce antique. Il y a abondance de textes classiques grecs qui en traitent. Les experts les ont parcourus bien des fois dans le but de suggérer des interprétations de ce vieux concept. Les différentes traductions que nous avons trouvées de ce livre prennent en compte ces interprétations. Une analyse d’un corpus comprenant douze traductions de La République propose les équivalents suivants de προσευχομα :

make by prayers, offer up by prayers, offer up by prayer, say a prayer, pray, pay my devotions, pay my devoirs, worship

(réaliser par des prières, offrir par des prières, offrir par une prière, dire une prière, prier, faire mes dévotions, rendre hommage, vénérer).

  • 25 . Hans-Georg Gadamer (1965), Warheit und Methode. 2ème édition Tübingen : J. C. B. Mohr, p. 289.

54Toutes peuvent être entendu comme des paraphrases qui essaient de combler le gouffre entre ce que προσευχομαsignifiait et ce qu’est prier de nos jours. Ces équivalents en traduction sont des interprétations qui relient un concept ancien à notre compréhension actuelle. L’herméneutique nous sensibilise à ceci : toute interprétation du mot en grec ancien devra également tenir compte du concept actuel de prière. C’est le message essentiel de Gadamer : « L’horizon du présent ne peut pas être constitué sans le passé … Comprendre [ce que j’appelle interpréter] suppose toujours un procès de fusion entre ces horizons prétendument différents. ».25 Le fameux cercle herméneutique devrait être conçu comme une spirale infinie qui nous permet, nous communauté interprétative d’aujourd’hui, d’approcher la signification de quelque chose qui a été dit auparavant, sur la base de données fournies par la linguistique de corpus.

  • 26  NdT: En français dans le texte.
  • 27  Idem.

55L’approche herméneutique de la signification, comme je l’ai esquissé ci‑dessus, abandonne tout espoir que la signification soit quelque chose de stable ou de systématique. Il n’y a pas d’ensemble de concepts langagiers indépendants qui soit universel, hors du temps, inné et gravé dans le granit de quelque ontologie sémantique métaphysique. L’herméneutique ne concerne pas la langue : elle concerne la parole. Dans cette perspective, la signification n’est jamais une donnée établie définitivement, elle est toujours provisoire. Chaque nouvelle occurrence d’un item lexical dans un texte, chaque nouvelle mention à un texte ajoute quelque chose à sa signification. Ce qui peut laisser penser que la linguistique de la parole26 est moins satisfaisante que la linguistique de la langue.27 Mais si notre réalité sociale est une construction du discours, ce n’est que la linguistique de la parole qui peut nous permettre d’y accéder.

7. Le linguiste et la communauté interprétative

56Pas plus les linguistes que les lexicographes ne sont des experts de la signification. Leur tâche est d’être de fidèles gardiens de ce qui est négocié comme signification entre les membres d’une communauté de discours. Ils peuvent montrer comment des items lexicaux sont utilisés et paraphrasés, ils peuvent signaler de possibles liens intertextuels fondés sur des similarités entre des textes, mais il n’y a pas de linguistes habilités à nous dire ce qui est juste et ce qui est faux. Si les gens veulent donner crédit aux intentions normalisatrices de l’Académie française, tant mieux, mais personne ne peut les y contraindre. Les linguistes de corpus nous apprennent qu’il n’y a pas d’interprétation « vraie » ou « correcte » d’un item lexical, d’un segment de texte ou d’un texte. La signification d’un item lexical est tout ce qui a été dit à son propos dans le discours : nous la trouvons dans les négociations entre les membres d’une communauté de discours. Il peut y avoir désaccord et il peut y avoir discorde. Le pluralisme est la marque de toute société démocratique. Seul un régime totalitaire voudrait imposer un usage uniforme de la langue. Les communautés de discours peuvent discuter si l’on doit distinguer globalisation de mondialisation, et chaque contributeur au discours peut offrir ses paraphrases préférées. S’il ne peut pas convaincre ses partenaires et donc s’il demeure isolé dans ses interprétations, alors ces nouvelles paraphrases ne laisseront aucune trace dans les textes à venir. En conséquence, il est dans l’intérêt de chacun de nous d’utiliser et de paraphraser des items lexicaux de telle sorte que d’autres trouvent intéressant de faire de même dans leurs usages.

57Le discours est, en principe, un système démocratique ; tout le monde a, en principe, le droit inaliénable d’y contribuer. Si globalisation signifie « pétrole et guerre » et mondialisation « coopération dans la construction d’un futur prometteur », ce n’est pas une question de vérité mais de persuasion. Ce que nous disons ne réfère pas à une réalité hors du discours, c’est une réaction à ce qui a déjà été dit. Que nous tendions à penser différemment, que nous prenions le langage comme un miroir de la réalité, est presque une conviction innée qui remonte aux temps immémoriaux où le langage n’était rien de plus qu’une extension de l’ostentation, du pointage des choses. Globalisation ou mondialisation ne sont que des objets de notre discours et non de quelque réalité extérieure. Nous ne parlons pas à propos de la réalité mais à propos de ce que d’autres ont dit à propos de la réalité.

58Les linguistes de corpus regardent le discours comme un système auto‑poétique, auto‑référentiel. Ce qui ne signifie pas qu’il ne soit pas en quelque manière connecté aux intentionnalités particulières de ses contributeurs. Mais ces intentionnalités ne sont pas pertinentes : ce n’est pas ce que nous pensons qui compte, mais ce que nous faisons, notre comportement symbolique, nos contributions au discours. Ces contributions transforment le discours en notre esprit collectif, sans jamais attenter à la liberté que nous avons en tant qu’individus de dire ce que nous voulons. La tâche des linguistes de corpus est de nous aider à donner du sens à la réalité que nous avons construite pour nous-mêmes dans le discours en extrayant, organisant et présentant les données. Cependant ils n’ont certainement pas le monopole de l’interprétation : nous sommes tous membres, égaux en statut et en droits, de la communauté interprétative humaine dans son ensemble. La linguistique, la linguistique de corpus en particulier, devrait être un programme de libération, non pas d’assignation de signification.

8. La linguistique de corpus a-t-elle un avenir ?

59Au cours de l’été 2008, il y a eu une discussion prolongée à propos de la nature de la linguistique de corpus sur une weblist appelée corpora‑list (corpora-list@uob.no), avec un grand nombre de contributions venues de partout. On peut les trouver en entrant dans corpora-list et en cherchant bootcamp. De façon intéressante, la majorité des contributions ne venaient pas des linguistes de corpus qui travaillent dans la suite de John Sinclair mais de gens travaillant en linguistique théorique ou linguistique cognitive, dans le traitement des langues naturelles, dans la traduction automatique et en intelligence artificielle. Ce n’est pas que ces personnes aient cessé de modéliser leurs systèmes linguistiques et se soient tournés vers le discours ; ce qui a changé, c’est que c’est devenu une nécessité de mettre ses théories à l’épreuve des faits. Ces contributeurs considèrent encore la linguistique comme une science, peut-être même comme une science dont les résultats peuvent être maintenant transformés en ingénierie d’applications commercialisables, au même titre que les sciences dures ont donné les bases de l’industrie automobile. L’industrie de la langue demande une quantité énorme de corpus pour tester des applications, Mais les premiers résultats sont là pour que nous les utilisions. Ces derniers temps beaucoup d’entre nous se sont servi des outils de traduction automatique qui sont peut-être loin d’être parfaits, mais qui sont meilleurs que le fait de ne rien comprendre du tout. On a même soutenu que les textes écrits dans une langue très fortement contrôlée, avec une terminologie très spécialisée, tels que les manuels de maintenance en aéronautique, sont mieux traduits par des ordinateurs que par des traducteurs humains. L’industrie de la langue est encore dans son enfance ; elle aura un impact grandissant sur ce que nous pouvons dire ou pas. Aujourd’hui les correcteurs orthographiques nous disent si notre texte est conforme aux normes orthographiques. Dans dix ans, il pourrait y avoir des outils qui contrôleront le contenu de ce que nous écrirons ; il y a déjà des filtres sur l’Internet dont le raffinement est en progrès constant qui permettent d’interdire l’accès à des sites au contenu subversif. En ce sens, la méthode scientifique de la linguistique de corpus a sans aucun doute un brillant avenir. L’industrie de la langue contrôlera de plus en plus notre discours. Les experts en langage s’assureront que ce soit le cas.

60Mais plus nos sociétés sont assujetties aux décisions des experts, moins nous sommes nombreux à être convaincus que les décisions qu’ils prennent sont fondées sur des faits irréfutables. Aujourd’hui, il y a un nombre croissant de philosophes des sciences, par exemple Steve Fuller, Philipp Kitcher, Bruno Latour, Helen Longino ou Jonathan Potter qui prétendent que toute factualité est au bout du compte basée sur une interprétation. Ce que sont les entités et les catégories que définit une discipline scientifique, quelles méthodes sont considérées comme objectives pour détecter, compter et mesurer ce que sont les outils que nous acceptons pour mettre en œuvres ces procédures, c’est quelque chose qui doit être négocié par une communauté de pairs. Le nouveau paradigme de l’épistémologie sociale accepte qu’au fondement de la vérité et de la factualité, il y a toujours interprétation : la négociation de ce qui a été dit. Que ce soit la mécanique quantique ou l’évolution ou la globalisation : la seule réalité qui nous est accessible c’est la réalité du discours, c’est ce qui a été dit à propos de ces idées. Tout ce que nous savons c’est quelque chose qui a été dit dans le discours. Nous donnons du sens à notre environnement en construisant de manière collaborative une réalité que nous acceptons.

61Une linguistique indépendante du discours est sans signification. Jusqu’à maintenant, la linguistique de corpus est la seule approche qui peut prétendre à être une linguistique de la parole.

Haut de page

Bibliographie

Allan, G. (2000), Intertextuality. London : Routledge.

Coseriu, E. (1952), Sistema, norma y habla, Montevideo.

Coseriu, E. (1959), Sincronía, diacronía e historia. El problema del cambio lingüístico, Montevideo.

Deacon, t. W. (1997), The Symbolic Species : The Co-evolution of Language and the Brain. New York : Norton.

Dilthey, W. (1981), Der Aufbau der geschictlichen Welt in den Gesiteswissenschaften. Frankfurt am Main : Suhrkamp.

Fish, S. (1967), Interpreting Variorum, réimprimé in Fish, S. (1980), Is There a Text in This Class, Cambridge, Mass. : Harvard University Press.

Gadamer, H.-G. (1960), Warheit und Methode. Grundzüge einer philosophischen Hermeneutik, (2nd Edition 1965). Tübingen : J.C.B. Mohr.

Harris, R. (1983), F. de Saussure : Course in General Linguistics, London : Duckworth.

Harris,R. (1987), The Language Machine. Ithaca : Cornell University Press.

Hermanns, F. (2002), “Linguistische Hermeneutik”, in Linke, A., Ortner, H., & Portmann-Tselikas, p. R. (Eds.), Sprache und mehr : Ansichten einer Linguistik der sprachlichen Praxis, Tübingen : Niemeyer.

Herder, J.G. (1770), Abhandlung über den Ursprung der Sprache.

Langacker, R.W. (1997), “The contextual basis of cognitive semantics” In Nuyts, J. & Pedersen, E. (Eds.), Language and Conceptualization. Cambridge : Cambridge University Press.

Langacker, R.W. (2002), The Cognitive Basis of Grammar. Berlin : Mouton de Gruyter.

Manfred, F. (Ed.) (1977), F.D.E. Schleiermacher, Hermeneutik und Kritik. Frankfurt am Main : Suhrkamp.

Moi, t. (Ed.) (1986), The Kristeva Reader, New York : Columbia University Press.

Mueller-Vollmer, K. (Ed.) (1986), The Hermeneutics Reader : Texts of the German Tradition from the Enlightenment to the Present, New York : Blackwell Publishers.

Ricoeur, p. (1981), Hermeneutics and the Human Sciences. (Edité et traduit par John B. Thompson) Cambridge : Cambridge University Press.

Rousseau, J.-J. (1871), Essai sur l’origine des langues.

Said, E.W. (1981), Orientalism, London : Penguin.

Sinclair, J., Jones, S. & Daley, R. (2005), English Collocation Studies, in Krishnamurthy, R. (ed.), English Collocation Studies, London : Continuum.

Stubbs, M. (2007), “On Texts, Corpora, and Models of Language”, in Hoey, M. Mahlberg, M., Stubbs, M. & Teubert, W., Text, Discourse and Corpora. London : Continuum.

Tognini Bonelli, E. (2001), Corpus Linguistics at Work. Amsterdam : Benjamins.

Tyler, E.B. (1871), Primitive Culture. London : J. Murray

Voloshinov, V.N. (1989), Marxism and the Philosophy of Language. Cambridge, Mass. : Harvard University Press.

Haut de page

Notes

2 . John Sinclair, “Collocation Studies”, in Ramesh Kishnamurthy (ed.) (2005), English Collocation Studies: The OSTI Report,John Sinclair, Susan Jones & Robert Daley. London: Continuum.

3 . NdT : approche bottom-up : c'est à dire ascendante, ou encore de bas en haut, à l’inverse d’une approche top-down, analytique ou du haut vers le bas.

4 . Michael Stubbs (2007), “On Texts, Corpora and Models of Language”, in Michael Hoey, Michaela Mahlberg, Michael Stubbs et Wolfgang Teubert, Text, Discourse and Corpora, London: Continuum, p. 155.

5 . Elena Tognini Bonelli (2001), Corpus Linguistics at Work. Amsterdam: Benjamin, p. 61.

6 . NdT: qui utilise le corpus pour confirmer ou infirmer une hypothèse.

7 . NdT: approche inductive du corpus, préférant explorer sans a priori les données.

8  Mutual Information (MI) et t-score : le Mutual Information score (score d'information mutuelle) exprime la mesure selon laquelle la fréquence de co-occurrence observée est différente de celle à laquelle on pourrait s'attendre (statistiquement parlant). Il ne fonctionne pas très bien avec les fréquences très basses. Par exemple, sour (acide, aigre) compte 472 occurrences et puss (nana, minet) 31 dans le corpus de la Bank of English. Dans la mesure où sour et puss sont 4 fois en co-occurrences, on obtient un MI score très élevé pour cette collocation. Le t-score fournit un moyen de résoudre ce problème puisqu'il prend également en compte la fréquence. Pour résumer, le MI a plus de chance d'attribuer des scores élevés à des expressions totalement figées, alors que le t-score va produire des collocats importants qui apparaissent relativement fréquemment. Dans la plupart des cas, le t-score est l'outil de mesure le plus fiable. (tiré du Guide de l'Utilisateur de la Bank of English [Bank of English User Guide, http://www.titania.bham.ac.uk/docs/svenguide.html]).

9 . Cobuild English Dictionary for Advanced Learners, troisième édition, 2001, Glasgow : Harper Collins Publishers, le tout premier dictionnaire à être strictement fondé sur des données de corpus, et édité par John Sinclair.

10 . Ronald W. Langaker (2002), The cognitive Basis of Grammar. Berlin : Mouton de Gruyter, p. 2.

11 . Ronald W. Langaker (1997), “The contextual basis of cognitive semantics” in Jan Nuyts & Eric Pedersen (eds). Language and Conceptualization. Cambridge : Cambridge University Press, pp. 229-252.

12 . Ibid. pp. 233-234.

13 . Ibid. p. 242.

14 . Ibid. p. 235.

15 . Ibid. p. 240.

16 . Ibid., p. 239.

17 . Terrence W. Deacon (1997), The Co-Evolution of Language and the Brain, New-York : W. W. Norton & Company.

18 . NdT : Nous avons repris pour l’occasion la traduction de Marina Yaguello (1977, Ed. de Minuit) pour l’édition française, considérant qu’il n’était guère nécessaire de rajouter une traduction de l’anglais au français à celle qui a été produite du russe à l’anglais. Nous n’ignorons pas cependant que la traduction française est en cours de réévaluation dans les travaux bakhtiniens actuels : cf. le travail du Centre de recherches en épistémologie comparée de la linguistique d'Europe centrale et orientale (Crecleco de l’Université de Lausanne) : http://www2.unil.ch/slav/ling/index.html. Wolfgang Teubert donne pour sa part la référence anglaise : V. N. Voloshinov (1989), Marxism and the philosphy of language. Cambridge, Mass.: Harvard University Press, 1972: “[T]he monologic utterance is, after all, already an abstraction. … Any utterance – the finished, written utterance not excepted – makes response to something and is calculated to be responded in turn. It is but a link in a continuous chain of speech performances.”

19 . “Kristeva's emphasis” p. 39, in Toril Moi (Ed.) (1986), The Kristeva Reader, New York: Columbia University Press. [NdT: traduit de (1969) Semeiotiké : recherches pour une sémanalyse, Paris, Seuil, p. 85].

20 . Graham Allan (2000), Intertextuality, London : Routledge, p. 58.

21 . Cité dans Mueller-Vollmer, Kurt (ed.), 1986 : The hermeneutics Reader. Oxford : Blackwell, p. 27.

22 . Ricœur, Paul (1981), Hermeneutics and the HumanSciences. Edited and translated by John B. T. Thompson. Cambridge : Cambridge university Press, p. 139.

23 . Cité par Fritz Hermanns (2002), Linguistische Hermeneutik, in Angelika Linke, Hanspeter Ortner, Paul R. Portmann-Tselikas (eds.) : Sprache und mehr : Ansichen einer Linguistik der sprachlichen Praxis, Tübingen : Niemeyer : 125-163, 139.

24 . Cité dans Frank, Mandfred (ed.) (1977), F. D. E. Schleiermacher, Hermeneutik und Kritik. Frankfurt am Main : Suhrkamp, p. 94.

25 . Hans-Georg Gadamer (1965), Warheit und Methode. 2ème édition Tübingen : J. C. B. Mohr, p. 289.

26  NdT: En français dans le texte.

27  Idem.

Haut de page

Pour citer cet article

Référence papier

Wolfgang Teubert, « La linguistique de corpus : une alternative [version abrégée] »Semen, 27 | -1, 185-211.

Référence électronique

Wolfgang Teubert, « La linguistique de corpus : une alternative [version abrégée] »Semen [En ligne], 27 | 2009, mis en ligne le 01 avril 2009, consulté le 29 mars 2024. URL : http://journals.openedition.org/semen/8914 ; DOI : https://doi.org/10.4000/semen.8914

Haut de page

Auteur

Wolfgang Teubert

University of Birmingham

Haut de page

Droits d’auteur

CC-BY-4.0

Le texte seul est utilisable sous licence CC BY 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

Haut de page
Search OpenEdition Search

You will be redirected to OpenEdition Search