Version classiqueVersion mobile
OpenEdition Books ENS Éditions Langages Grammaticalia Note sur la notion de corpus en a...

Grammaticalia

 | 
Jean-Marie Fournier
, 
Aimée Lahaussois
, 
Valérie Raby

4. Perspectives transversales

Note sur la notion de corpus en analyse de discours : de Harris à l’analyse de discours française

Jacqueline Léon

Texte intégral

1Cet article évoque deux des nombreux projets de recherche de Bernard Colombat : le Corpus des textes linguistiques fondamentaux (CTLF), un de ses grands chantiers ; et plus généralement, ses travaux sur les corpus. Ces derniers font écho au colloque SHESL-HTL 2015 « Corpus et constitution des savoirs linguistiques » organisé en janvier 2015 par Bernard, Gabriel Bergounioux et moi-même, et dont les contributions ont été publiées en 2016 et 2017 respectivement dans le numéro 38/2 d’Histoire Épistémologie Langage (HEL) et dans les Dossiers d’HEL 11. Dans le cadre du CTLF, j’ai participé, en collaboration avec Arnaud Pelfrêne, à la correction de la version numérisée du volume Papers in Structural and Transformational Linguistics de Zellig S. Harris (1970b) regroupant une quarantaine d’articles de 1942 à 1969.

2Ma proposition pour ce volume porte sur la notion de corpus telle qu’elle a été élaborée par Harris dans ses textes consacrés à la discourse analysis et à la façon dont les analystes français du discours l’ont reprise et modifiée. En m’appuyant sur le CTLF, j’examine comment le terme corpus apparaît dans la linguistique américaine du xxe siècle, de Boas aux distributionalistes néo-bloomfieldiens et à Harris, puis j’analyse comment la notion est construite dans les deux courants d’analyse de discours française développés par Jean Dubois et par Michel Pêcheux.

Corpus et distributionnalistes

3Même si la notion de corpus est centrale dans la linguistique américaine, le terme apparaît très peu. On ne trouve aucune attestation du terme ni chez Boas, ni chez Sapir, ni même chez Bloomfield. Un examen des articles de la revue Language de 1927 à 1965 montre que le terme corpus n’est utilisé que comme équivalent de la collocation Corpus inscriptionum dans des articles traitant de la philologie des langues anciennes (voir Bergounioux 2016).

4C’est le terme texte qui est utilisé par les distributionnalistes néo-bloomfieldiens. Le texte est l’objet central des linguistes américains travaillant sur les langues amérindiennes. Pour ces langues non écrites, le texte est constitué par un ou plusieurs récits (mythes, contes, etc.) recueillis auprès d’informateurs, et transcrits selon des normes élaborées en 1916 par l’American Anthropological Association. Ces textes transcrits et traduits en anglais servent aussi bien aux anthropologues culturalistes qu’aux linguistes qui en élaborent la description en termes morphophonémiques par la méthode distributionnelle.

5Harris (1951) est le premier à utiliser le terme corpus de façon explicite. Les collocations corpus of data, bodies of data ou bien encore actual corpus of utterances désignent un ensemble d’énoncés constituant les données des linguistes distributionnalistes :

Investigation in descriptive linguistics consists of recoding utterances in a single dialect and analyzing the recorded material. The stock of recorded utterances constitutes the corpus of data, and the analysis which is made of it is a compact description of the distribution of elements within it. (Harris 1951, p. 12)

6Le corpus est non seulement un réservoir de données, mais aussi un échantillon d’une langue donnée. La procédure est inductive : il faut que l’analyse issue d’un corpus donné soit identique à celle qui est obtenue à partir de n’importe quel autre corpus de la même langue, à condition que celui-ci soit suffisamment grand. Comme le précise Harris, cette « représentativité » du corpus est d’ordre statistique :

[…] the analysis of a particular corpus becomes of interest only if it is virtually identical with the analysis which would be obtained in like manner from any other sufficiently large corpus of material taken in the same dialect. When this is the case, the analyzed corpus can be regarded as a descriptive sample of the language. How large or variegated a corpus must be in order to qualify as a sample of the language, is a statistical problem. (Ibid., p. 13)

7Alors que le terme corpus apparaît 23 fois dans le recueil de 1970, il n’apparaît pas dans les articles traitant de discourse analysis. Ce paradoxe s’explique si l’on sait que, pour Harris, le discours (universe of discourse) est constitué par un seul texte. Le discours permet en effet à Harris d’aborder deux types de questions jusqu’à présent ignorées par les linguistes distributionnalistes : étendre la description au-delà de la phrase, c’est-à-dire aux relations interphrases dans un texte, et étudier la relation entre culture et langage :

One can approach discourse analysis from two types of problem, which turn out to be related. The first is the problem of continuing descriptive linguistics beyond the limits of a single sentence at a time. The other is the question of correlating ‘culture’ and language (i.e. non-linguistic and linguistic behavior). (Harris 1970a [1952], p. 313)

8Dans le cadre de l’analyse de discours, le corpus, constitué d’un seul texte formé d’une suite d’énoncés, ne fait plus question. La méthode d’analyse s’applique de la même façon, qu’il s’agisse d’un énoncé ou bien d’une suite d’énoncés : il s’agit de déterminer, dans le cadre de la méthode distributionnelle, des procédures chargées d’identifier dans des énoncés donnés des arrangements donnés à partir desquels une interprétation sémantique du discours est possible.

Harris et l’analyse de discours française

9Un volet important de la réception des travaux de Harris en France est constitué par les deux courants d’analyse de discours représentés par Jean Dubois et Michel Pêcheux qui, tous deux, se réclament de « Discourse analysis » (Harris, 1970a [1952]) comme texte fondateur (Léon 2014). L’héritage de Harris en analyse de discours a été discuté de façon réflexive par Dubois (Dubois 1969, Sumpf et Dubois 1969), par Pêcheux (Pêcheux 1975, Pêcheux et al. 1982, Pêcheux 1990 [1983]) ainsi que par leurs collaborateurs ou critiques (Provost-Chauveau 1971 ; Maldidier 1990 ; Guilhaumou et al. 1994 ; Mazière 2005).

10Tous soulignent l’importance de la méthode distributionnelle américaine, telle qu’elle est mise en œuvre par Harris, comme gage de scientificité pour l’analyse de discours : « analyse formelle, exhaustivité, systématicité, et corrolairement refus de l’intuition, du recours au sens et au savoir extralinguistique » (Guilhaumou et al. 1994, p. 76).

11L’AAD69 – la méthode d’analyse de discours mise au point par Pêcheux – avait cet objectif :

[…] prendre au sérieux « la linguistique moderne », et en particulier les travaux d’un linguiste américain, auteur d’un texte providentiellement intitulé Discourse Analysis qui servit pendant toute une période de référence scientifique concrète aux linguistes travaillant dans le champ de l’analyse de discours, sur la lancée des travaux de Jean Dubois. De ce point de vue, la spécificité de l’AAD version 69, dans l’espace des travaux d’analyse du discours, ce fut d’abord me semble-t-il, de pousser la linguistique harrissienne jusqu’au bout de ses conséquences […]. (Pêcheux et al. 1982, p. 97)

12Le fait que l’analyse de discours harrissienne place la linguistique au centre, à savoir la réduction des énoncés en phrases de base et l’analyse distributionnelle, est crucial. Pour Dubois, ce sera l’approche lexicologique ; pour Pêcheux, ce sera la délinéarisation syntaxique des énoncés discursifs. Comme le rappelle Denise Maldidier (1990, p. 28), « le recours aux procédures dites harrissiennes permettait, dans les deux cas, une approche de la “surface discursive”, selon l’expression de Michel Pêcheux, aux antipodes de la recherche d’une structure sémantique des textes ».

  • 1 Joseph Sumpf et Jean Dubois (1969) signalent également que la relation entre culture et langage, d (...)

13Ce qui distingue avant tout l’analyse de discours harrissienne des courants français, c’est la question du corpus, réduit chez Harris à un seul texte et au fait que, pour lui, les méthodes d’analyse s’appliquent de façon indifférente au discours ou à l’énoncé1.

14Geneviève Provost-Chauveau (1971) rappelle que, dans le structuralisme européen, la différence entre phrase (langue) et au-delà de la phrase (parole et discours) est qualitative et d’ordre théorique, ce qui implique que phrases et discours soient analysés par des procédures différentes. Harris, et plus généralement la tradition américaine, considère au contraire que tous les niveaux linguistiques doivent être décrits selon des procédures similaires sans que soient remis en cause pour autant les principes théoriques. Jacques Guilhaumou, Denise Maldidier et Régine Robin (1994, p. 77) précisent que « pour Harris la confusion langue-discours allait de soi, puisque le discours n’était jamais qu’un “énoncé long” ou “suivi”. L’application à l’au-delà de la phrase de procédures de linguistique descriptive était donc légitime ».

15Pour l’analyse de discours française, le texte n’existe comme texte que par ce qui le précède et le constitue, à savoir en fonction d’autres discours. L’étude de l’organisation interne d’un texte pris isolément ne peut renvoyer qu’à lui-même (structure close) ou à la langue (structure infinie, réitération des mêmes processus). Le corpus de Harris réduit à un seul texte suppose que celui-ci soit fortement redondant. C’est le cas des types de texte qu’il analyse, propagande et publicité aux formes stéréotypées de discursivité. Pêcheux indique que cela correspond à la nécessité que le texte soit son propre dictionnaire alors que, dans sa propre perspective, « c’est le corpus qui joue ce rôle d’auto-dictionnaire : et c’est en effet dans le passage de l’intra- à l’interrépétitivité que la désubjectivisation de la discursivité, préparée par le travail de Harris, trouve ses véritables conditions de réalisation » (Pêcheux 1975, p. 56).

16Alors qu’ils appliquent tous deux la méthode harrissienne, les analystes de discours français poursuivent des objectifs distincts. Pour Dubois, la méthode harrissienne est un moyen de faire sortir les régularités significatives des discours contrastés par le corpus. Pour Pêcheux, la délinéarisation syntaxique des surfaces textuelles du corpus permet la saisie de traces de processus discursifs, autrement dit la mise au jour des traces de la structure sous-jacente du corpus textuel étudié. Le résultat produit par la procédure automatique AAD69 est un graphe de classes d’équivalence reliées, appelé domaines sémantiques, dont l’interprétation dépend de conditions de production, à savoir d’hypothèses historico-politiques.

17En fait les conceptions du discours de l’analyse de discours française sont très différentes de celle de Harris et ont été source de malentendu. Guilhaumou, Maldidier et Robin (1994) insistent sur le fait que le discours, dans l’analyse de discours française, est construit. C’est le produit de conditions de production, d’hypothèses historico-sociales, qui ne peut se confondre ni avec des données empiriques, ni avec le texte :

Paradoxalement les analyses de discours ont emprunté à Harris sa méthodologie, tout en utilisant le mot discours dans un autre sens. Une expression née sur un autre terrain – les conditions de production – lui a donné une nouvelle charge sémantique. Le couple énoncé-discours a renvoyé à l’opposition langue/histoire. (Guilhaumou et al. 1994, p. 77)

18Quant au corpus discursif, « il est nécessaire de le référer à l’ensemble des discours possibles, à partir d’un état défini des conditions de production » (Malididier 1990, p. 15). Dans une première période – que ce soit pour Dubois ou pour Pêcheux –, le corpus, qui doit être représentatif de l’ensemble des discours, est constitué par la mise ensemble de plusieurs textes, ou extraits de textes, à partir de la détermination d’invariants. Ces invariants, la plupart du temps des mots-pivots ou bien des structures lexico-syntaxiques, correspondent à l’orientation lexicologique de Dubois et aux options syntaxiques de Pêcheux :

De la totalité des énoncés d’une époque, d’un locuteur, d’un groupe social, qui constitue l’universel du discours, on extrait un ensemble d’énoncés limités dans le temps (nécessité d’une homogénéité synchronique) et dans l’espace (nécessité d’une homogénéité de la situation de communication). On considère alors que ce corpus est représentatif de l’ensemble des discours. Lorsque, par analyse lexicale, on choisit dans ce corpus un certain nombre de vocables, on émet du même coup l’hypothèse que les propositions réunies autour de ces termes sont représentatives du corpus et permettent d’établir une relation avec le modèle idéologique de l’auteur. (Dubois 1969, p. 117)

19Guilhaumou, Maldidier et Robin (1994) notent les effets de neutralisation inhérents à toute constitution de corpus. Lorsqu’on procède à une réduction en ne retenant que l’ensemble des phrases contenant tel ou tel mot-pivot ou bien tel invariant lexico-syntaxique, sont impliqués des effets de neutralisation de l’hétérogénéité des locuteurs ou bien de la nature du discours. Constituer un corpus, c’est opérer une clôture.

20L’approche de Pêcheux de la notion de corpus a toutefois évolué ; il identifie, de façon réflexive, trois époques (voir Pêcheux 1990 [1983]). Dans la première époque (voir Pêcheux 1975), le corpus discursif est un ensemble clos de textes de longueur variable (ou séquences discursives) sélectionnés (le plus souvent par l’environnement d’un mot clé renvoyant à un thème) dans un espace discursif supposé dominé par des conditions de production stables et homogènes. Contrairement à la première période où le choix du corpus s’effectuait de l’intérieur même du champ discursif, « c’est de l’immense circulation des énoncés que la question du corpus [est] désormais posée » (Maldidier 1990, p. 86). Suivant Foucault, Pêcheux parle alors de formations discursives plutôt que de conditions de production stables. La construction du corpus, devenu « réseau de mémoire », se dynamise. Comme l’indique Mazière (2005, p. 58), « le corpus n’est plus un ensemble clos de textes, c’est un ensemble sans frontière où l’interdiscours, extérieur, fait irruption dans l’intradiscours pour l’emploi qu’en font les historiens ». Lors de la table ronde sur les corpus (Aussant et al. 2016, p. 112), Mazière conclut : « L’analyse du discours n’a jamais travaillé sur un corpus textuel défini, mais toujours sur une modification de corpus. On ne va pas travailler forcément sur du lexique, du réel, de l’attesté, mais on va réécrire cet attesté et ce réel. » Dès lors les corpus, dits « expérimentaux », de la première période constitués autour de mots-pivots dans des conditions de production stables laissent la place aux « corpus d’archives ». Les deux types d’analyse de discours, respectivement de Dubois et de Pêcheux, sont désormais distincts.

 

21En conclusion, on peut avancer que c’est au moment où les analystes de discours français se sont interrogés sur les modalités de constitution des corpus, que le corpus réduit à un texte chez Harris a été discuté, alors même que cette question était inexistante dans l’analyse de discours harrissienne.

  • 2 Voir Habert, Nazarenko et Salem (1997).

22Le principe de constitution du corpus dans la première approche de Pécheux et dans celle de Dubois, centré sur le mot, faisait écho à la méthodologie distributionnelle déterminée par les classes de mots. Comme le rappellent Guilhaumou, Maldidier et Robin (1994, p 179), cette prééminence du mot, en marquant la diversité des analyses de discours harrissienne et françaises du sceau du structuralisme, les unifiait. Les corpus ainsi définis pouvaient satisfaire aux critères que la linguistique de corpus a généralisés2. Représentativité, homogénéité et exhaustivité (ou clôture) présidaient à la constitution de ces corpus et étaient compatibles avec la détermination de conditions de production. Ce ne sera plus le cas avec les corpus « réseaux de mémoire » faits de bribes, de trajets et de co-textes dans le nouveau courant d’analyse de discours ouvert par Pêcheux.

Bibliographie

American Anthropological Association, 1916, Phonetic transcription of Indian languages : Report of Committee of American Anthropological Association, Washington, Smithsonian Institution (Smithsonian Miscellaneous Collections 66/6).

Aussant Émilie, Baratin Marc, Cinato Franck, Colombat Bernard, Grondeux Anne, Pagani Cendrine, Rabault-Feuerhahn Pascale, 2017, « Table ronde : “Des corpus linguistiques avant les corpus électroniques” », Analyse et exploitation des données de corpus linguistiques, no 11 des Dossiers d’Histoire Épistémologie Langage, p. 97-117. En ligne : [http://htl.linguist.univ-paris-diderot.fr/hel/dossiers/numero11 ; https://hal.archives-ouvertes.fr/hal-01512695] (consulté le 10 août 2018).

Bergounioux Gabriel, 2016, « La linguistique de corpus et la partition des structuralismes », Constitution de corpus et pérennisation des données, no 38/2 d’Histoire Épistémologie Langage, p. 41-54.

Colombat Bernard éd., Corpus de textes linguistiques fondamentaux (CTLF). En ligne : [http://ctlf.ens-lyon.fr/] (consulté le 1er juin 2017).

Dubois Jean, 1969, « Lexicologie et analyse d’énoncé », Cahiers de lexicologie, no 15, p. 115-126.

Guilhaumou Jacques, Maldidier Denise et Robin Régine, 1994, Discours et archive, Liège, Mardaga.

Habert Benoît, Nazarenko Adeline et Salem André, 1997, Les linguistiques de corpus, Paris, Armand Colin.

Harris Zellig S., 1951, Methods in Structural Linguistics, Chicago, University of Chicago Press.

— 1970a, « Discourse analysis » [1952], Papers in Structural and Transformational Linguistics, Dordrecht, D. Reidel, p. 313-348.

— 1970b, Papers in Structural and Transformational Linguistics, Dordrecht, D. Reidel.

Language, 1927-1965.

Léon Jacqueline, 2014, « Questioning the idea of “founding text” : Harris’s discourse analysis and French analyse du discours », History of Linguistics 2011. Selected Papers from the 12th International Conference on the History of the Language Sciences (ICHoLS XII), Saint-Petersburg, 28 August - 2 September 2011, V. Kasevich, Y. A. Kleiner et P. Sériot éd., Amsterdam-Philadelphie, Benjamins, p. 117-125.

Maldidier Denise, 1990, « (Re)lire Michel Pêcheux aujourd’hui », L’inquiétude du discours. Textes de Michel Pêcheux, D. Maldidier éd., Paris, Éditions des Cendres, p. 7-91.

Mazière Francine, 2005, L’analyse du discours, Paris, PUF (Que sais-je ?).

Pêcheux Michel, 1969, Analyse automatique du discours, Paris, Dunod.

— 1990, « Analyse de discours : trois époques » [1983], L’inquiétude du discours. Textes de Michel Pêcheux, D. Maldidier éd., Paris, Éditions des Cendres, p. 295-302.

Pêcheux Michel éd., 1975, Mises au point et perspectives à propos de l’analyse automatique du discours, no 37 de Langages.

Pêcheux Michel, Léon Jacqueline, Bonnafous Simone, Marandin Jean-Marie, 1982, « Présentation de l’analyse automatique du discours (AAD69) : théories, procédures, résultats, perspectives », Mots, no 4, p. 95-123.

Provost-Chauveau Geneviève, 1971, « Problèmes théoriques et méthodologiques en analyse du discours », Langue française, no 9, p. 6-21.

Sumpf Joseph et Dubois Jean, 1969, « Problèmes de l’analyse du discours », Langages, no 13, p. 3-7.

Notes

1 Joseph Sumpf et Jean Dubois (1969) signalent également que la relation entre culture et langage, définitoire de l’analyse de discours selon Harris, n’est jamais explicitée.

2 Voir Habert, Nazarenko et Salem (1997).

Le texte et les autres éléments (illustrations, fichiers annexes importés) sont sous Licence OpenEdition Books, sauf mention contraire.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search