Version classiqueVersion mobile

Histoire de l'automatisation des sciences du langage

 | 
Jacqueline Léon

Chapitre 4

La théorie de l’information : transfert de termes, concepts et méthodes

Texte intégral

1La théorie de l’information est au cœur des sciences de la guerre. Bien que la notion scientifique d’information existe depuis les années 1920, elle prend son essor avec la publication simultanée, en 1948, de Cybernetics de Norbert Wiener, et des articles de Shannon dans le Bell System Technical Journal, relayés par l’ouvrage The Mathematical Theory of Communication co-signé par Shannon et Weaver en 1949. Weaver et Shannon sont impliqués dans les sciences de la guerre. Que ce soit au sein des Bell Laboratories ou bien du MIT, Shannon s’attache à améliorer les techniques de cryptographie et à développer le contrôle anti-aérien. Les dénominations qui désignent la théorie de l’information sont diverses, à commencer par les titres des ouvrages pionniers : « cybernétique », « théorie de l’information », « théorie (mathématique) de la communication ». Comme le signale Segal (2003), en Europe on entend généralement par « théorie de l’information » le regroupement de la théorie de la communication et de la cybernétique, alors qu’aux États-Unis, c’est souvent la cybernétique qui englobe les deux autres. Par ailleurs, les Américains s’intéressent davantage à l’aspect quantitatif de l’information tel que développé par Shannon, alors que les Britanniques, tel Colin Cherry avec lequel Jakobson a collaboré, s’intéressent plutôt au versant communicationnel de la théorie. Quant à la France, la théorie de l’information est discutée par des mathématiciens, comme Benoît Mandelbrot ou Marcel-Paul Schützenberger.

  • 1 Voir chapitre 2, note 12.
  • 2 Andrei Andrejevich Markov (1856-1922), a étudié un certain nombre de textes littéraires, dont Eugè (...)
  • 3 Selon Segal (2003), Zipf aboutit dans son article de 1946 intitulé « Quelques éléments déterminant (...)

2Cette diversité est à l’image de l’intérêt considérable que suscite la théorie de l’information chez les scientifiques de tous horizons. Elle va donner lieu à de très nombreux travaux d’ailleurs souvent disparates. L’information et les notions associées sont utilisées de façon parfois métaphorique, voire erronée. La théorie de l’information devient une sorte d’auberge espagnole dénoncée par Shannon lui-même (« The Bandwagon », 1956), dans laquelle s’engouffrent toutes les disciplines. La linguistique elle aussi va sauter dans le train (jump on the bandwagon), et c’est Shannon lui-même qui va l’y entraîner. Absente des sciences de la guerre, la linguistique n’est pas non plus très représentée dans les Macy Conferences1. Jakobson, invité à la 5e conférence de 1948, puis Yuen Ren Chao et Bar-Hillel, invités à la 10e conférence de 1953, sont les seuls linguistes à y avoir participé. Quant à Claude Shannon, invité à la 6e conférence en 1949, il intervient sur la redondance de l’anglais. Cette question constitue un des points du traitement du langage abordés dans l’ouvrage de Shannon et Weaver, avec les automates à états finis, les chaînes de Markov qui introduisent la notion de probabilité dans l’étude des langues2, la redondance des langues et le schéma de communication. Shannon mentionne également les travaux de Zipf sur les fréquences de vocabulaire au moment de la définition du calcul de l’entropie de l’anglais3.

3La théorie de l’information offre une large panoplie de nouvelles méthodes et de nouvelles notions qui tentent un certain nombre de linguistes. Alors que la linguistique computationnelle a été forgée en partie par des linguistes à l’intérieur de l’horizon de rétrospection construit par la TA, la théorie de l’information est importée de l’extérieur, en pièces détachées et à la demande. Ainsi, comme pour les autres sciences, l’utilisation de la théorie de l’information par les linguistes est hétérogène, voire disparate, et on parlera diversement de transfert de concepts et de méthodes, de réception ou d’intégration.

4Dans ce chapitre, après un parcours de l’utilisation d’information comme terme et notion, nous examinerons trois modes d’intégration par la linguistique de la théorie de l’information : un mode d’intégration par adaptation chez les néo-bloomfieldiens et en particulier chez Harris, un cas de convergence entre théorie de l’information, ingénierie et linguistique dans la théorie des traits distinctifs de Jakobson, un cas de transfert de concepts dans la linguistique structurale française.

1. Information : terme et notion

5Le terme d’information est intéressant par son instabilité même. Il met en concurrence un sens ordinaire, le sens technique que lui donne la théorie de l’information, et le sens de contenu d’information, plus sémantique. Information est un terme du langage ordinaire, mais son usage en linguistique est variable. Alors qu’en France, le terme n’est quasiment pas utilisé par les linguistes en ce sens, son usage est courant aux États-Unis avec le sens ordinaire de l’anglais américain, à savoir « donnée, fait ou connaissance ». Harris, par exemple, l’utilise dans ce sens au début de son œuvre, de 1942 à 1952.

6C’est à partir des années 1920, en physique, en statistique et en télécommunications, que commence à émerger l’information comme notion scientifique et technique dans un sens bien différent de son usage commun. Plus tard, à partir de la seconde guerre mondiale, des ingénieurs, physiciens et mathématiciens appellent information la grandeur qui caractérise différents modes de communication, qui s’apparente à l’entropie de la thermodynamique et qui permet de déterminer la capacité de stockage ou de traitement des ordinateurs, à condition de renoncer à toute dimension sémantique du terme information. Cette notion mathématique d’information reste au plus près de son sens étymologique, à savoir la mise en forme du signal. Sur le plan des télécommunications, il s’agit pour la Bell Telephone Company d’évaluer les conditions les plus économiques qui permettent de faire passer le plus grand nombre possible de communications sur un seul fil, c’est-à-dire de transmettre des mots que les gens reconnaissent. Ces travaux trouvèrent leur aboutissement avec les travaux de Shannon et Weaver.

7Toutefois, dès son apparition comme terme scientifique, une confusion existe entre information-contenu et information-signal. En proposant une théorie sémantique de l’information (voir l’intervention de Bar-Hillel à la 10e conférence Macy), Carnap et Bar-Hillel (1952) dénoncent la confusion qui aurait été introduite dans un article de 1928 par Hartley, un des théoriciens fondateurs de l’information, entre l’information comme signal, à savoir une mesure purement quantitative et probabiliste, véritable objet de la théorie de l’information, et l’information comme contenu (Hartley 1928). Bar-Hillel propose alors deux termes pour rendre compte des deux dimensions de l’information, la « théorie de la transmission du signal » dont l’objet est le traitement des messages en tant que séquences de signaux, et la « théorie de la transmission de l’information » pour le traitement des messages en tant que porteurs de sens. C’est vers ce dernier sens, sémantique, que, curieusement, vont dériver ou converger les différentes approches linguistiques.

  • 4 Il faut préciser que le terme de code est déjà utilisé par Saussure. Depuis, la notion de code est (...)

8À partir des années 1950-1960, on voit apparaître dans les travaux de linguistique des termes entièrement nouveaux ou qui se chargent d’un sens spécifique, dans le sillage de la théorie de l’information. Certains sont issus de la théorie de la communication comme code4, codage, décodage, transcodage, message, communication, émetteur, récepteur, locuteur, interlocuteur, émission, réception, transmission, signal, signaux ; d’autres appartiennent à la cybernétique comme feedback ou contrôle. Enfin, certains termes réfèrent davantage à la partie quantitative de la théorie comme information, quantité d’information, probabilités, chaînes de Markov, redondance, bruits, entropie, coût ou rendement

9La façon dont s’effectue la migration de ces termes en linguistique est très variable et détermine le statut de la réception de la théorie de l’information. Elle dépend de leur proximité avec les notions et/ou méthodes de la théorie linguistique concernée, ou bien de la potentialité de la métaphorisation et de ses effets sur la théorie.

2. Théorie de l’information et néo-bloomfieldiens : un mode d’intégration par adaptation

  • 5 Hockett (1953) consacre dans Language un long article critique d’une trentaine de pages à l’ouvrag (...)

10Comme la TA et la linguistique computationnelle, la théorie de l’information est apparue aux États-Unis dans un horizon de rétrospection partagé par l’ensemble des scientifiques américains, y compris les linguistes. Ce sont les travaux de Shannon, on l’a dit, qui, au sein de la trilogie cybernétique-communication-information, sont les plus connus des scientifiques américains. Son approche du traitement des langues naturelles à travers les propriétés quantitatives, notamment de redondance des langues naturelles et de non-équiprobabilité des éléments linguistiques, est familière aux linguistes américains des années 19505, à tel point que certains d’entre eux négligent même de citer explicitement la théorie de l’information lorsqu’ils parlent de redondance ou de chaînes de Markov.

  • 6 « It [language] can be objectively studied if one considers speech and writing not as an expressio (...)
  • 7 Voir l’exergue figurant en tête de l’article de Cherry, Halle et Jakobson (1953, p. 34), et repren (...)

11La linguistique bloomfieldienne a des caractéristiques qui facilitent la compréhension et l’adoption de la théorie de l’information au sein de ses méthodes d’analyse. L’approche behaviouriste et sa conception du langage en tant qu’ensemble d’événements physiques (sounds and ink marks)6 sont tout à fait compatibles avec le traitement des « signaux » de la théorie de l’information. Les deux approches partagent l’idée que le sens n’est pas pertinent, et que l’utilisation de méthodes quantitatives et probabilistes est tout à fait adaptée pour l’analyse linguistique7.

12De plus, l’analyse distributionnelle présente des aspects qui la rendent particulièrement réceptive à certains aspects de la théorie de l’information ; c’est notamment le cas de la répétition comme opération centrale dans les procédures de découverte, faisant écho à la notion de redondance dans la théorie de l’information. La répétition est ce qui permet de délimiter des unités linguistiques au sein d’un énoncé et de déterminer des classes d’équivalence sans avoir recours au sens. Ainsi Hockett (1953) affirme que la redondance des langues est étroitement liée à leur structure et que le linguiste, contrairement à l’ingénieur en télécommunications, doit procéder à certaines opérations linguistiques pour « découvrir » ses unités à partir du signal sonore quand il commence à décrire une langue (non écrite). Selon lui, le groupement des allophones en phonèmes peut être établi dans les termes de la théorie de l’information, en particulier en termes d’entropie.

  • 8 Pour une étude plus détaillée de la place de la théorie de l’information dans l’œuvre de Harris vo (...)

13En ce qui concerne Harris8, bien qu’il ne fasse référence explicitement à la théorie de l’information qu’en 1968, il en emprunte et adapte les méthodes et les concepts beaucoup plus tôt, ainsi les notions de redondance et de non-équiprobabilité des éléments linguistiques, les probabilités transitionnelles à l’œuvre dans les chaînes de Markov et le traitement de la parole et de la chaîne écrite en tant qu’événements physiques. On peut dire que sa propre conception de l’information, qu’il développera dans ses derniers travaux (Harris 1988 et 1991), bien que très différente de celle de Shannon et Weaver, en est directement inspirée.

14Pour Harris, la répétition, au fondement de la construction des classes d’équivalence, apparaît en 1952 dans son article « Discourse analysis ». Répétition n’implique toutefois pas fréquence élevée : les éléments linguistiques sont des événements qui apparaissent ou n’apparaissent pas, et qui doivent donc être traités par des méthodes probabilistes plutôt que par des méthodes statistiques. En 1954, Harris avance l’idée que les langues ne sont pas équiprobables (idée déjà formulée par Shannon en 1948) et que ce principe doit servir de base à l’établissement des classes d’équivalence.

15Harris (1955) utilise les chaînes de Markov et les n-grammes pour déterminer les frontières des morphèmes dans un énoncé analysé comme une suite de phonèmes. Il met au point une procédure qui traite les morphèmes comme des unités de code prédictibles, que l’on peut découvrir en comparant la combinabilité contrainte des phonèmes à l’intérieur des frontières d’un morphème à leur combinabilité libre à l’extérieur.

16En 1957, l’information devient une notion sémantique : c’est l’invariant sémantique entre deux structures unies par une transformation, idée qu’il développera tout au long des années 1960.

  • 9 Chez Harris les sous-langages des sciences sont des langages artificiels construits formellement e (...)

17Le terme de « redondance » apparaît en 1959 dans un texte sur la recherche d’information (information retrieval). Son objectif est de réduire la complexité des structures (patterns) des phrases à quelques constructions simples et utilisables par les locuteurs. Il envisage ainsi de prendre en considération la redondance des langues et de la réduire pour stocker le contenu (ou information) des textes scientifiques ; idée qui sera formalisée dans son ouvrage de 1968 Mathematical Structure of Language. La représentation de l’information n’est possible que pour un sous-langage d’une science donnée à un moment particulier, et c’est à la construction de ces sous-langages que Harris consacre la dernière partie de son œuvre. En incorporant progressivement la notion d’information sémantique au cœur même de la théorie, un nouvel objectif, celui d’une grammaire de l’information pour l’étude des sous-langages des sciences9, se constitue peu à peu.

18Tout en se détachant des aspects méthodologiques de la théorie de l’information shannonienne (chaînes de Markov et probabilités) qu’il adapte à la méthode distributionnelle de repérage et de classement des unités, Harris développe une conception sémantique de l’information, destinée à construire des sous-langages des sciences. La redondance prend alors un sens nouveau. Considérée par Shannon comme positive pour améliorer la communication en cas de bruit, elle devient un handicap, une faille du langage ordinaire que les sous-langages vont contribuer à réduire pour ne garder que l’information. Toutefois, les disciples de Harris (entre autres) continueront à utiliser ces méthodes pour leurs travaux de TAL ultérieurs, comme l’utilisation de transducteurs à états finis au sein du LADL (Laboratoire d’analyse documentaire et linguistique) par l’équipe de Maurice Gross.

3. La théorie des traits distinctifs de Jakobson : transferts et convergences entre théorie de l’information, ingénierie et linguistique

19Avec la théorie des traits distinctifs de Jakobson (distinctive features theory, ci-dessous DFT), on est en présence d’une autre forme d’interaction entre théorie de l’information et linguistique, mettant en jeu une combinaison de plusieurs disciplines, théorie de l’information, linguistique mais aussi ingénierie, physique et phonétique acoustique. On peut se demander s’il y a eu transfert de concepts et méthodes entre ces disciplines, ou bien s’il est préférable de parler de convergence entre les nouveaux domaines de recherche, théoriques et technologiques, rendus possibles par les sciences de la guerre, et les conceptions linguistiques de Jakobson.

20La DFT a été mise au point au début des années 1950, lors d’une collaboration de Jakobson et d’un de ses élèves, Morris Halle, avec l’acousticien suédois Gunnar Fant, (Jakobson, Fant et Halle 1952), puis dans un second temps avec un théoricien de l’information britannique, Colin Cherry (Cherry, Halle et Jakobson 1953). Ces travaux ont été repris et synthétisés en 1956 dans l’ouvrage de Jakobson et Halle Fundamentals of Language. Ultérieurement, Jakobson (1971 [1961]) a commenté et explicité ses emprunts à la théorie de l’information, mais ce mouvement réflexif n’est pas sans parfois poser un certain nombre de questions.

21La DFT repose sur l’idée que les unités linguistiques ultimes ne sont pas les phonèmes, mais des traits faisant appel à la production de la parole (la source) et à l’acoustique du conduit vocal (la résonance et la tonalité). Ces traits, au nombre de douze, sont universels et se combinent en phonèmes pour une langue donnée, sans qu’aucune langue ne comporte l’ensemble des douze traits distinctifs. Cette théorie a considérablement renouvelé les approches en phonologie, que ce soit celle de l’École de Prague ou celle des néo-bloomfieldiens.

  • 10 Waugh et al. (1990) signalent aussi les antinomies de la tradition dialectique russe post-hégélien (...)
  • 11 Selon Anderson (1985), il est difficile de distinguer ce qui appartenait à Troubetzkoy ou à Jakobs (...)

22Dans ses Grundzüge der Phonologie publiés en 1939, Nicolas Troubetzkoy utilise des critères phonétiques pour définir et identifier les unités phonologiques, esquissant l’idée d’une phonologie définie comme phonétique fonctionnelle et fondée sur un continuum entre phonologie et phonétique, idée qui se renforcera avec la DFT. Un autre principe fondateur de la phonologie pragoise est celui d’opposition, hérité de Saussure10. Au début des années 1930, Troubetzkoy et Jakobson vont passer d’une définition du phonème comme unité minimale non dissociable en unités plus petites à celle du phonème comme ensemble de propriétés sonores pertinentes. Ces propriétés se définissent à partir de critères phonétiques à la fois articulatoires et perceptifs. Alors que Troubetzkoy les déterminait à partir d’oppositions à deux ou plusieurs dimensions, Jakobson, dès 1938, tente de n’utiliser que des oppositions unidimensionnelles (à savoir bilatérales ou binaires)11. Il propose trois oppositions pour les traits de localisation : (i) les traits de source : vocalique/consonantique, compact/diffus, tendu/lâche, voisé/non voisé, etc. ; (ii) les traits de résonance : nasal/oral, strident/mat, etc. ; (iii) les traits de tonalité : grave/aigu, etc. Dans la DFT, le principe d’opposition deviendra le principe binaire. Contrairement à l’approche pragoise, la DFT considère les traits distinctifs non plus comme des critères de classification mais comme des unités linguistiques minimales et universelles. Seules, les oppositions binaires ou dichotomiques sont retenues.

23Dans Cherry et al. (1953), Jakobson déclare devoir le terme de « distinctive features » à Bloomfield, pour lequel il existe un trait phonétique constant dans un phonème au-delà de toutes ses variétés phonétiques, et c’est ce trait constant qui explique que le locuteur entende toutes ces variétés comme un même phonème. Toutefois, Bloomfield s’est plus intéressé à la morphophonémique (les différences phonologiques permettant de différencier les morphèmes sur le plan syntagmatique) qu’à la description interne des phonèmes en traits distinctifs, absente de la description structurale. Enfin, l’intérêt de Jakobson pour la théorie de la communication trouve sa source dans le Cercle de Moscou qu’il crée en 1915, et qui appréhendait le dialogue comme seule forme de communication naturelle (voir Romashko 2000).

3.1. Ingénierie et phonétique acoustique : les spectrogrammes

24La collaboration de Jakobson avec l’acousticien Gunnar Fant répond à la nécessité de fonder les traits distinctifs sur des critères à la fois acoustiques et perceptifs, avec en toile de fond une conception du langage comme langage parlé en interaction (speech communication). Fant est un acousticien suédois, diplômé en ingénierie électrique et dont le travail de thèse porte sur les relations entre la réduction de la bande sonore et l’intelligibilité. Il a aussi travaillé sur les spectrographes (comme Joos et Shannon), dont le développement constitue une avancée capitale pour les phonéticiens puisqu’ils fournissent le spectrogramme (le spectre acoustique) des sons de la parole (fréquence, intensité, durée) permettant de déterminer les formants, à savoir la forme même du son. Les travaux de Fant, invité en 1949-1951 par les laboratoires d’acoustique de Harvard et du MIT, suscitent l’intérêt de Jakobson qui y voit une façon de trouver des traits distinctifs communs aux consonnes et aux voyelles, en les arrimant à la substance sonore à partir de critères acoustiques et perceptifs. Morris Halle, élève de Jakobson, lui aussi diplômé en ingénierie électrique, se joint à eux pour développer une théorie intégrée des traits distinctifs. Les traits distinctifs doivent être fondés à la fois de façon externe sur le signal acoustique (la substance) et aussi, dans la lignée de la tradition russe du dialogue, sur les activités articulatoires du locuteur et perceptives de l’auditeur, puisque, disent Jakobson et al. (1956, p. 34), nous parlons pour être entendus et devons être entendus pour être compris.

3.2. La théorie de l’information : une mathématique du continu pour la phonologie

25En poursuivant le développement de la DFT avec le théoricien britannique de l’information Colin Cherry, tenant d’une orientation communicationnelle de la théorie de l’information, Jakobson et Halle font l’hypothèse que la théorie mathématique de la communication va fournir un fondement scientifique rigoureux pour l’interprétation et l’analyse des systèmes phonologiques.

  • 12 Seuls les travaux de Markov (Markov 1913, Petruszewycz 1981), d’ailleurs cités par Shannon, préfig (...)

26La théorie mathématique de la communication présente certaines convergences avec la DFT : elle permet de mesurer les dépendances statistiques des séries ordonnées d’unités, par exemple les mots dans un texte12 ; elle comporte un volet de phonétique acoustique traitant les processus stochastiques que sont les signaux acoustiques dans la communication téléphonique. Pour Jakobson, la théorie de l’information est l’occasion d’édifier une mathématisation du continu, à savoir formaliser le passage du continu (le signal de la parole observable en production et en perception) au discret (les unités phonologiques du message).

27Cherry, Jakobson et Halle (1953) empruntent à la théorie de la communication son modèle de chaîne en cinq composantes : source de l’information + encodeur + canal + décodeur + bassin d’information ; en regroupant certaines composantes, on obtient : l’émetteur (source de l’information + encodeur) et le récepteur (décodeur + bassin d’information). Les auteurs déclarent adopter les concepts de code et de message, beaucoup plus clairs et opérationnels que les dichotomies langue/parole, language/speech, etc. Ils empruntent également la notion de redondance, et le principe de binarité qui vient remplacer le principe d’opposition.

28L’objectif de la DFT est d’établir un « speech code », à savoir un encodage des contrastes phonologiques en traits distinctifs binaires avec un minimum de redondance. Il s’agit de doter la phonétique d’une structure et de décomposer les phonèmes, jusqu’alors de simples inventaires, en traits distinctifs porteurs d’information pour le récepteur. Un trait distinctif est reconnu par le récepteur s’il appartient au code commun à lui et à l’émetteur, s’il est transmis correctement et s’il atteint le récepteur. Les auteurs montrent l’intérêt de la redondance, qui augmente la fiabilité de la communication parlée en la rendant résistante aux différentes sources de distorsion. Enfin, ils empruntent à la théorie de l’information son analyse en termes discrets binaires des processus de communication, à l’aide des chaînes de Markov. L’incompatibilité de traits ou leur cooccurrence à l’intérieur d’une même langue et d’un même phonème sont déterminées par des lois d’implication universellement valides ou bien par une grande probabilité statistique. Cette probabilité permet d’éliminer les traits hautement probables et de diminuer la redondance. Jakobson (1963 [1961]) justifie l’application des probabilités conditionnelles à la phonologie : contrairement à la production de la parole, la perception est un processus stochastique. Par exemple dans le cas d’homophonies (qui n’existent que pour l’auditeur), la levée des ambiguïtés dépend des probabilités conditionnelles du contexte.

29On peut dire qu’on a ici affaire à des phénomènes de transfert par convergence. L’utilisation des probabilités conditionnelles permettant de traiter les ambiguïtés constitue un transfert de méthode aboutissant à une véritable mathématisation du langage en communication, qui ne peut être qualifiée ni d’« intrinsèque », ni de « couvrante » bien qu’utilisant des méthodes statistiques. Pour Auroux (2009), la « mathématisation intrinsèque » permet de créer de nouveaux concepts, indissociables de leur formulation mathématique. Les concepts intrinsèques sont apparus avec la logique, puis avec l’algèbre de Boole, enfin avec la constitution de la notion moderne de calculabilité, liée aux machines de Turing et à la théorie des langages formels. La mathématisation intrinsèque des sciences du langage s’est effectuée avec le développement de l’axiomatisation chez Bloomfield et ses successeurs (notamment Harris), et l’essor des grammaires formelles dans les années 1950, comme la grammaire catégorielle de Bar-Hillel (1953b) et la grammaire générative et transformationnelle de Chomsky (1955). Il appelle « mathématisation couvrante » les approches quantitatives qui abordent le langage « par-dessus », en effectuant des comptages d’éléments observables, comme les mots, et en leur attribuant une propriété ou un chiffre.

  • 13 Cherry, Halle et Jakobson (1953) donnent l’exemple suivant p. 39 : Un trait redondant aide l’audite (...)

30Dans la DFT, la notion de redondance intervient à deux niveaux :
(i) identifier les traits distinctifs. Le système phonologique d’une langue donnée peut être représenté sous forme d’un tableau à deux dimensions (phonèmes et traits distinctifs) et trois valeurs possibles (marqué (+), non marqué (-), redondant (∅))13. Selon les auteurs, ce tableau constitue un véritable manuel de décodage (code book) destiné à identifier les phonèmes ;
(ii) classer les phonèmes en réduisant la redondance grâce au faible nombre de traits distinctifs.

  • 14 « On s’aperçoit maintenant de la nécessité d’une stricte distinction entre différents types de red (...)

31La notion de redondance assume alors le caractère contradictoire qu’elle a dans la théorie de l’information14 : même s’il faut réduire la redondance pour améliorer la transmission du message, il faut reconnaître qu’elle est porteuse d’information et peut aider à identifier le message quand il y a du bruit. Jakobson (1963 [1961]) insiste sur le fait que c’est en rhétorique que la notion de redondance est apparue et que ce sont les linguistes qui en sont les véritables découvreurs : la théorie de la communication l’aurait empruntée et redéfinie en termes d’entropie, et la linguistique l’aurait retrouvée avec l’idée de la distinction entre traits redondants et traits distinctifs.

32Le principe de binarité constitue sans doute un des emprunts par convergence les plus intéressants de la DFT à la théorie de l’information :

La découverte progressive, par le linguiste, qu’un principe dichotomique est à la base de tout le système des traits distinctifs du langage, se trouve corroborée par l’emploi comme unité de mesure, chez les ingénieurs des communications, des signaux binaires (binary digits ou bits, pour employer le mot-valise devenu populaire). (Jakobson, 1963 [1961], p. 88)

  • 15 Dans la théorie générative, un modèle explicatif est une grammaire formelle fondée sur des principe (...)

33Le principe de binarité présente plusieurs avantages pour la DFT :
(i) reprendre en la radicalisant la notion d’opposition. Jakobson va tenir la binarité des traits pour un véritable principe inhérent à la structure du langage, qu’il élargira à l’ensemble des unités linguistiques ;
(ii) la détermination des traits distinctifs pour une langue donnée s’effectue sous la forme d’un parcours par le récepteur d’un arbre de décision dichotomique à l’aide de questions oui-non, mis en avant par Cherry (1957) comme une des caractéristiques essentielles de la théorie de l’information ;
(iii) les décisions binaires sont plus faciles à mettre à exécution que les décisions ternaires ou n-aires, du point de vue logique comme du point de vue empirique. Associées à l’opposition marqué/non marqué, où « marqué » signifie porteur d’information, elles sont idéales pour coder l’information ;
(iv) enfin le principe binaire a permis d’amorcer une démarche explicative en phonologie, absente des approches structuraliste et distributionnaliste, et qui sera reprise par la phonologie générative15.

3.3. Jakobson : un passeur ?

34On peut définir un passeur par sa capacité à faire circuler les concepts et les méthodes d’une discipline à l’autre dans les deux sens, et, en l’occurrence, des deux côtés de l’Atlantique. Concernant Jakobson, son rôle de passeur pose question.

35Tout d’abord, Jakobson n’est pas le premier linguiste à s’intéresser à la théorie de l’information. Du point de vue institutionnel, c’est Joshua Whatmough, philologue et président de la Linguistic Society, qui introduit officiellement la théorie de l’information au sein de la communauté des linguistes américains en présentant la théorie de Shannon dans son discours inaugural de décembre 1951. En 1952, Whatmough publie un article dans le Scientific American s’appuyant sur la quantité d’information pour expliquer l’évolution des langues. C’est Martin Joos, et non Jakobson, qui représente les linguistes lors de la Speech Communication Conference organisé par le MIT et Harvard en 1950 (Fehr 2000). Il paraît compréhensible que Joos, avec sa double formation d’ingénieur et de germaniste et sa contribution comme cryptanalyste et acousticien aux sciences de la guerre, soit invité à cette première conférence interdisciplinaire réunissant ingénieurs, mathématiciens, physiciens, phonéticiens, psychologues et linguistes, sur la question de savoir si le langage peut être envisagé comme un cas particulier de la théorie de la communication. Selon Segal (2003), ce serait d’ailleurs l’intervention de Joos qui aurait attiré l’attention de Jakobson sur la transition entre continu et discontinu, notamment sur la segmentation du flux continu du langage humain en phonèmes, et sur la possibilité de faire leur analyse linguistique à l’aide de traits discrets.

36Il arrive que Jakobson amplifie la réciprocité des apports entre les deux disciplines :

La théorie de la communication me paraît une bonne école pour la linguistique actuelle, tout comme la linguistique structurale est une école utile pour les ingénieurs des télécommunications. (Jakobson 1963 [1953], p. 32)

37En fait, un certain nombre de références à l’interaction entre linguistes et ingénieurs et à la cybernétique ne datent que de 1961 (Jakobson 1963 [1961]), soit une dizaine d’années après la mise en place de la DFT. Comme le signale Van de Walle (2008), Jakobson (1963 [1961]) proclame que l’élucidation en cybernétique de notions telles que « goal-attainment », « goal-failure » et « negative feedback » ouvrent des possibilités nouvelles en linguistique, alors que lui-même n’a jamais utilisé ces notions. Il donne d’ailleurs libre cours à une certaine dérive métaphorique lorsqu’il prétend faire de la « linguistique quantique », et ceci de deux façons :

38(i) en tenant les traits distinctifs pour des unités irréductibles comparables aux atomes :

L’analyse linguistique, cependant, est arrivée à résoudre le discours oral en une série finie d’unités d’information élémentaires. Ces unités discrètes ultimes, dites traits distinctifs, sont groupées en « faisceaux » simultanés, appelés phonèmes, qui à leur tour s’enchaînent pour former des séquences. Ainsi donc la forme, dans le langage, a une structure manifestement granulaire et est susceptible d’une description quantique. (Jakobson 1963 [1961], p. 87-88)

  • 16 Waugh et al. (1990) signalent l’attrait qu’avait la théorie de la relativité pour Jakobson, ainsi q (...)

39(ii) en comparant la mécanique quantique et la linguistique structurale, toutes deux déterministes (1958), et en attribuant au linguiste un rôle d’observateur-participant16 : le linguiste doit passer du rôle de cryptanalyste, non destinataire du message, à celui de « décodeur normal », de récepteur, membre de la communauté linguistique étudiée (1963 [1953], p. 33) :

Le linguiste descripteur, qui possède, ou acquiert, la maîtrise de la langue qu’il observe, est, ou devient progressivement, un partenaire potentiel ou actuel de l’échange des messages verbaux parmi les membres de la communauté linguistique ; […] L’ingénieur des communications est parfaitement justifié de défendre, contre « certains philologues », la nécessité absolument dominante, d’« amener l’observateur sur la scène », et de tenir, avec Cherry, que la « description la plus complète sera celle de l’observateur-participant (2) » […] Niels Bohr voit dans le « caractère inséparable du contenu objectif et du sujet observant » une prémisse de toute connaissance bien définie (2). De toute évidence, cette remarque vaut pour la linguistique ; la position tenue par l’observateur par rapport à la langue observée et décrite doit être exactement identifiée. (Jakobson 1963 [1961], p. 92-93)

40Selon Segal (2003), cette assimilation du linguiste à l’observateur-participant, donc du théoricien de l’information au destinataire du message, constitue un complet contresens du schéma de communication proposé par Shannon. C’est plutôt, en effet, une idée du théoricien de l’information Cherry qui la développe longuement dans son ouvrage On Human Communication (1957).

41Enfin, il faut ajouter que lorsqu’il ne traite pas de phonologie, Jakobson n’hésite pas à confondre le sens d’information au sens mathématique et celui d’information comme contenu. Ainsi, dans son article de 1959 « Boas’ view of grammatical meaning », afin de montrer que toutes les marques morpho-syntaxiques sont marquées dans le code de façon variable selon les langues et que l’information grammaticale est une information sémantique, Jakobson utilise le terme information au sens mathématique (bits of information) et au sens sémantique (grammatical information et semantic information).

  • 17 Traduction française [J. Léon] : Le choix d’une forme grammaticale par le locuteur présente à l’au (...)

The choice of a grammatical form by the speaker presents the listener with a definite number of bits of information. The compulsory character of this kind of information for any verbal exchange within a given speech community and the considerable difference between the grammatical information conveyed by diverse languages were fully realized by Franz Boas, thanks to his astonishing grasp of the manifold semantic patterns of the linguistic world […] It was clear to Boas that any difference of grammatical categories carries semantic information.17 (Jakobson 1971 [1959], p. 490-493)

42S’il est certain que Jakobson a inauguré une forme tout à fait originale de collaboration entre linguistes, ingénieurs et mathématiciens par l’introduction d’une nouvelle phonologie et son renforcement par la théorie de l’information, et qu’on assiste à des phénomènes de convergence et de transferts de méthodes entre linguistique, ingénierie et mathématiques, il est difficile d’attribuer à Jakobson un véritable rôle de passeur, comme celui qu’ont pu jouer Mandelbrot ou Schützenberger (voir chapitre 7). Ce qui est néanmoins certain, c’est que les développements de Jakobson à partir de la théorie de l’information vont avoir un impact sur la linguistique européenne comme américaine.

4. Théorie de l’information, information et linguistes français dans les années 1960

43On observe plusieurs voies de passage de la théorie de l’information en France, en fonction desquelles l’impact sur la linguistique structurale en France sera plus ou moins disparate et plus ou moins éphémère. C’est un mathématicien, Benoît Mandelbrot, qui effectue le passage vers les linguistes stylisticiens, ce qui conduit au renouvellement des études traditionnelles de vocabulaire dans les années 1950-1960. Une seconde voie est frayée par des ingénieurs-cryptanalystes français, chargés du « chiffre » pendant la guerre d’Indochine, comme René Moreau, associant théorie de l’information et tournant de l’automatisation-mathématisation en France. On mentionnera sur ce point les cours dispensés sur la théorie de l’information par René Moreau, au sein du Centre Favard, qu’on peut considérer comme un véritable « espace de passage ».

44Chez les linguistes, c’est la réception de Jakobson par André Martinet d’une part, et par Jean Dubois d’autre part qui a ouvert la voie à l’introduction de la théorie de l’information dans la linguistique structurale française (voir Léon 2008a). Comme aux États-Unis, et ailleurs dans le monde, la trilogie cybernétique-communication-information devient incontournable en France et tout le monde, y compris les linguistes, s’y réfère de façon plus ou moins explicite. Alors qu’en 1955, plusieurs comptes rendus d’ouvrages sur la cybernétique paraissent dans le Journal de psychologie normale et pathologique, le BSL publie en 1957-1958 deux comptes rendus de Martinet sur la théorie de l’information, l’un assez négatif de l’ouvrage de G.-A. Miller (1951, traduction française 1956) Language and Communication, le second plus élogieux de l’ouvrage de Vitold Belevitch Langage des machines et langage humain (1956), que Martinet considère comme une bonne introduction à la théorie de l’information à destination des linguistes.

4.1. Martinet : une théorie de l’information auto-promue

  • 18 La revue Word a été fondée en 1943, en même temps que le Linguistic Circle of New York par des lin (...)

45André Martinet (1908-1999) est sans doute le seul linguiste français à avoir lu, dès leur parution, les Preliminaries de Jakobson et al. (1952), c’est-à-dire la première étude de phonologie appliquant la théorie de l’information. À cette époque, Martinet vit et enseigne aux États-Unis. Agrégé d’anglais, il est directeur d’études à l’École pratique des hautes études de 1938 à 1946, puis il est recruté par l’université Columbia à New York où il enseigne pendant une dizaine d’années, de 1946 à 1955. Il fait aussi partie de l’Auxiliary Language Association et dirige la revue Word18 de 1947 jusqu’à son retour en France en 1955. Cette période correspond à l’essor de la théorie de l’information, pendant laquelle les linguistes américains sont tous plus ou moins tentés de jump on the bandwagon. Pendant son séjour aux États-Unis, Martinet est d’abord très ami avec Jakobson qui l’a aidé à s’installer à New York, mais il se brouille assez rapidement avec lui. Ce conflit culmine en 1955, lorsque Martinet ne veut pas quitter la direction de la revue Word au moment de son retour en France. Le récit de ses relations conflictuelles avec Jakobson et de leurs désaccords théoriques émaille l’autobiographie de Martinet (1993, p. 74, p. 117 et suiv., p. 125, p. 293 et suiv.). Dans les travaux où il fait usage de la théorie de l’information, Martinet ne cesse de marquer les différences entre sa position et les conceptions jakobsonniennes.

46Ainsi, malgré un usage important de la théorie de l’information dans ses travaux des années 1950-1960, et bien qu’il emprunte souvent les voies tracées par Jakobson, Martinet prétend le plus souvent construire lui-même sa propre théorie de l’information.

47Dans son Économie des changements phonétiques, publiée en 1955 et qui synthétise les travaux phonologiques de ses années américaines, Martinet prétend s’inscrire dans la lignée de Troubetzkoy (1890-1938), qu’il oppose à la position de Jakobson. Selon lui, l’analyse des traits distinctifs est déjà présente à l’état latent dans l’œuvre de Troubetzkoy (Martinet 1955, p. 67, note 8 et 1957c, p. 75) sans que Jakobson y ait apporté de développements fondamentaux. L’apriorisme universaliste et binariste développé par Jakobson et al. (1952) et Cherry et al. (1953) dévoie selon lui les positions de Troubetzkoy. Le binarisme procède par affirmations de caractère général, cherche à faire entrer toute réalité phonologique dans des cadres préétablis et identiques pour toutes les langues, et ne permet pas de rendre compte des changements sur le plan diachronique.

[…] ce qui rend la position binariste absolument inacceptable en matière diachronique, c’est l’élimination arbitraire, comme « redondantes », de caractéristiques phoniques résultant d’évolutions qui ont changé les rapports à l’intérieur du système, ce qui aboutirait à poser que ces changements sont nuls et non avenus. Le point de vue diachronique exige un beaucoup plus vif souci de la réalité phonétique que celui qui est de mise lorsqu’on s’escrime à réduire au minimum le nombre des traits distinctifs. (Martinet 1955, p. 76)

[…] l’apriorisme qui consiste à préciser les traits pertinents, moins en s’inspirant du système de la langue à l’étude, que par référence à un schéma préétabli dont on postule la valeur universelle. (Martinet 1957c, p. 75)

48De plus, Martinet s’oppose à la détermination des phonèmes par des moyens acoustiques préconisée par Jakobson, et préfère, en suivant Troubetzkoy, les données articulatoires. L’analyse spectrographique, méthode acoustique chère à Jakobson, ne fait rien de plus que confirmer l’explication que fournissent immédiatement les données articulatoires. Enfin, bien que ne discutant pas en détail les emprunts faits par Jakobson et ses co-auteurs à la théorie de l’information, Martinet les discrédite en les qualifiant de pur habillage physico-mathématique destiné à séduire les esprits.

49Or, le terme d’information, qui apparaît deux fois dans l’Économie (p. 140), est associé au pouvoir distinctif. L’exemple donné par Martinet concerne la prononciation d’une géminée. Les géminées (en français) ont une fréquence faible, donc un pouvoir distinctif important qui limite l’incertitude tout en compensant la dépense d’énergie parfois plus forte qu’exige leur articulation. Information est bien employé ici dans le sens de Jakobson sans que, d’ailleurs, celui-ci soit cité à cet endroit du texte.

Je puis donc dire qu’en français /-kt-/ est beaucoup plus riche d’information que /-t-/ et que du point de vue de l’économie de la langue, la distinction supplémentaire apportée par /-k-/ vaut bien le surcroît de travail musculaire qu’il implique […] Si nous passons maintenant à /-atta-/, nous pourrons dire que, là où cette combinaison se rencontre cinq fois sur cent fois, le surcroît de travail que représente la prononciation du /-t-/ implosif, qui distingue /-atta-/ de /-ata-/ vaut largement la peine, puisqu’il a pour effet de limiter l’incertitude dans la proportion de 100 à 5. La géminée a donc un grand pouvoir distinctif. Dans la langue où l’on rencontre /-atta-/ 80 fois pour 100 exemples de /-ata-/ et 10 exemples de /-akta-/, /-tt-/ représentera une dépense d’énergie de même ordre que celle qui est nécessaire pour articuler /-kt-/ mais pour un pouvoir d’information beaucoup plus bas. (Martinet 1955, p. 140)

50On voit ici opérer la tendance contradictoire interne à la notion d’économie, signalée par Verleyen et Swiggers (2006, p. 176), entre la satisfaction des besoins de la communication qui exige la préservation de la quantité maximale d’information, à savoir un nombre maximal d’oppositions fonctionnelles, et celle de l’inertie qui tend à utiliser un nombre restreint d’unités plus fréquentes.

  • 19 Dans son étude sur Martinet et l’École de Prague, Verleyen (2007) insiste sur l’influence de Zipf (...)

51On voit également comment l’information contribue au principe du moindre effort que Martinet emprunte à Zipf (1949). L’homme cherche dans toutes ses activités, y compris les activités langagières, à minimiser l’effort (travail musculaire, dépense d’énergie) nécessaire par rapport au but à atteindre. Selon Martinet, le principe de Zipf réalise mieux la synthèse entre besoins de communication et inertie humaine que le principe d’économie élaboré par Paul Passy dans le cadre de sa théorie fonctionnaliste des changements phonétiques19. Enfin, il préconise de mesurer l’importance fonctionnelle d’une opposition phonologique, ou rendement fonctionnel, à l’aide de statistiques dans les textes. En cela aussi, il s’inspire de Zipf qui, le premier, a jeté les bases d’une phonologie fonctionnelle qui ne soit pas purement descriptive mais fondée statistiquement.

  • 20 On ne sait si Martinet connaissait les travaux du philologue de Harvard Joshua Whatmough parus dan (...)
  • 21 Dans la bibliographie sommaire présente dans l’édition de 1970, l’ouvrage de Jakobson et Halle (19 (...)

52Cet intérêt pour les aspects quantitatifs de l’information se retrouve dans les Éléments de linguistique générale, parus en 1960, dont une grande partie du chapitre 6 « L’évolution des langues » est consacrée à la théorie de l’information20. Dans cet ouvrage, surtout dans le § 6.9 intitulé « La théorie de l’information et le linguiste », Martinet prétend introduire ses vues personnelles sur la théorie de l’information, sans aucune référence aux travaux antérieurs d’application de la théorie de l’information à la linguistique, y compris ceux de Jakobson21. D’ailleurs, la notion d’information est dissociée de celle de traits distinctifs (et donc de l’apport jakobsonien) qui n’apparaît plus que de façon sporadique. Les seules références que Martinet fait à la théorie de l’information sont les exposés, qualifiés de « relativement simples », que Guiraud a présenté à la SLP en 1954, et l’ouvrage de Belevitch dont Martinet a fait le compte rendu dans le BSL (Martinet 1957b).

53La conception de la notion d’information de Martinet est somme toute assez classique. Il considère qu’il existe un rapport constant et inverse entre la fréquence d’une unité et l’information qu’elle apporte. Plus une unité est probable, moins elle est informative. Son apport spécifique consiste en une définition de l’information en termes de moindre effort. Outre la phonologie, il applique la notion d’information à la littérature et à d’autres unités linguistiques, comme les monèmes ou les formes lexicales. Martinet utilise les chaînes de Markov pour traiter ces séquences d’unités d’une façon très proche de la méthode mise au point par Harris (1955). Il rapporte d’ailleurs dans ses Mémoires (Martinet 1993, p. 71), que l’idée de délimiter les mots dans un énoncé à partir de la probabilité d’apparition successive lui serait venue lors d’une discussion avec Harris à New York au début des années 1950. Dans cette utilisation, il précise que l’information n’est en rien une entité sémantique :

Si j’entends /il a p…/, /p/ n’a pas de signification en lui-même, mais il est doué d’information dans ce sens qu’il exclut toutes sortes d’énoncés possibles, comme il a donné, il a bougé. Si à l’énoncé tronqué s’ajoute /r/ (/il a pr…/), l’incertitude est de nouveau réduite puisque sont exclus il a payé, il a poussé, etc., ce qui indique que /r/ est doué d’information. L’information n’est donc pas un attribut de la signification, puisque des unités non signifiantes comme /p/ et /r/ y participent. (Martinet 1960, p. 177-178)

54C’est au moment où il aborde le rapport entre information et littérature (§ 6-18) que Martinet utilise les termes de contenu informationnel et de densité informationnelle. Un auteur peut augmenter le contenu informationnel de son texte, et retenir ainsi l’attention du lecteur, en choisissant des unités lexicales nouvelles et en réduisant la redondance. Ce qui est redondant ce sont les collocations attendues, et ce qu’on attend du poète ce sont des collocations rares.

L’auteur pourra se contenter de présenter, dans les termes les plus directs, des événements, réels ou imaginaires, assez exceptionnels pour que la densité informationnelle du récit retienne l’attention. Il pourra aussi, par un choix original des unités linguistiques, élever le contenu informationnel de son texte et le doser exactement. Ceci le dispensera d’aller, à chaque instant, chercher l’inattendu dans les péripéties du récit. (Martinet 1960, p. 192)

55Avec le terme contenu informationnel, l’information semble perdre son caractère quantitatif au profit d’une dimension sémantique : contenu informationnel fait en effet penser à contenu de sens. On peut faire l’hypothèse que la notion de contenu d’information, qui n’existe pas dans l’ouvrage de Shannon et Weaver, vient de Guiraud, une des sources revendiquées par Martinet. Guiraud (1954) applique la loi de Zipf et la théorie de l’information aux statistiques de vocabulaire dans des études stylistiques, en assimilant de façon un peu rapide fréquence (des signes) et contenu d’information, alors que, on l’a vu, l’information est une mesure abstraite dépendant de choix, donc une mesure probabiliste et pas seulement statistique.

56Pour résumer, on peut dire que la façon dont Martinet utilise la théorie de l’information est assez complexe et revêt diverses formes. C’est au moment où il fait le moins référence au terme information, dans Économie des changements phonétiques, que l’usage qu’il en fait est le plus proche de celui de Jakobson et de sa systématisation des traits distinctifs. Bien que cet usage soit accompagné d’une très vive critique de l’apriorisme binariste de Jakobson et de son utilisation des traits acoustiques, et que Martinet revendique davantage l’influence de Troubetzkoy que celle de Jakobson, il est certain que les notions de pouvoir d’information et de pouvoir distinctif intervenant dans sa définition du concept d’économie sont directement inspirées par la conception jakobsonienne. En revanche, sa notion d’économie en phonologie diachronique doit tout autant aux travaux de Zipf et son principe du moindre effort qu’à ceux de l’École de Prague. Dans les Éléments de linguistique générale, il consacre un long développement à sa propre vision de l’information, ramenée à l’idée d’énergie et de coût. Enfin, on notera deux autres aspects de son utilisation de la théorie de l’information : une approche probabiliste du traitement des séquences d’unités linguistiques, issue des travaux de Harris, et la notion de contenu d’information inspirée par les travaux de Guiraud en stylistique.

4.2. Dubois : une version harrisso-jakobsonienne

  • 22 Chevalier (2006) souligne bien le rôle de passeur de Dubois dans l’introduction des théories lingu (...)

57Curieusement, Jean Dubois (né en 1922), bien qu’ayant commencé ses travaux de linguiste en lexicographie avec sa thèse parue en 1962 sur Le vocabulaire politique et social en France de 1869 à 1972, ne s’est pas intéressé aux aspects quantitatifs du vocabulaire, pourtant très en vogue en France dans les années 1950-1960 après avoir été impulsés par les travaux de Mandelbrot et de Guiraud. Dans sa thèse, Dubois met en œuvre la méthode distributionnelle de Harris, dont on peut dire qu’il est un des introducteurs en France (voir chapitre 8, § 4.2), et son utilisation en analyse du discours22. Son intérêt pour la théorie de l’information apparaît dans des textes postérieurs, d’abord dans son article sur l’aspect et le temps paru en 1964a dans Le français moderne, puis dans sa Grammaire structurale du français en trois tomes parus respectivement en 1965, 1967 et 1969a.

58C’est surtout dans le tome 1 de 1965 qu’information apparaît massivement, pour quasiment disparaître dans les tomes 2 et 3. Dans l’introduction au tome 1, Dubois précise qu’il a pour objectif une analyse distributionnelle des marques de genre et de nombre du nom et du pronom, qui se veut complémentaire de l’analyse distributionnelle de Harris. C’est en termes d’information, de redondance et de bruit qu’il se propose d’analyser les contraintes croisées entre marques de genre et de nombre pour montrer que ce sont des règles et non des exceptions en français. Alors que, dit Dubois – faisant sans doute référence à la notion de rendement fonctionnel de Martinet – les linguistes ont surtout emprunté à la théorie de l’information la notion de coût, il se propose, quant à lui, de mettre en œuvre celles de redondance et de bruit. La notion de quantité d’information utilisée par Dubois (de même que celles de conservation, perte et coût de l’information) est bien celle de la théorie de l’information : elle est calculée en termes de probabilité et de fonction inverse : plus la probabilité d’apparition d’une marque est grande, plus la quantité d’information est faible. Ainsi, la quantité d’information apportée par le code écrit est faible, puisque celui-ci est très redondant :

Les marques du code parlé et du code écrit ne sont donc pas équiprobables : la quantité d’information apportée par une marque redondante dans le code parlé est plus grande que celle apportée dans le code écrit, puisque la probabilité de la rencontrer après la marque initiale est moindre. La quantité d’information présentée en français écrit par la seconde marque est très faible, puisqu’il est très rare que le code écrit ne présente pas de redondance. (Il n’en est évidemment pas de même pour le code parlé). (Dubois 1965, p. 21)

  • 23 Alors que, dans sa thèse, Dubois cite l’ouvrage de G. A. Miller Language and Communication (1951, (...)

59Cette utilisation quantitative et shannonienne de l’information par Dubois est probablement issue de la lecture de Mandelbrot (1954a) figurant dans sa bibliographie mais aussi de celle de Harris, dont les principaux travaux des années 1950 sont cités, et de son utilisation des chaînes de Markov23. Plus loin dans le texte, le terme d’information, et les collocations dans lesquelles il apparaît (une information, la première information, l’information du pluriel, l’information féminin, l’information de genre, celle de nombre, les/ces deux informations), sont utilisés de façon très différente :

On peut se demander ce que deviennent ces deux informations lorsqu’elles sont cumulées, c’est-à-dire lorsque les énoncés au pluriel sont aussi porteurs de l’information féminin. (Dubois 1965, p. 82)

[…] il arrive que l’information de genre se maintienne, tandis que celle de nombre s’efface. […] l’information féminin a disparu des deux phrases. (Dubois 1965, p. 83)

60Cet emploi d’information fait glisser le terme vers contenu ou sens. Alors qu’il désignait une quantité abstraite, calculée à l’aide de probabilités et excluant le sens, le terme information définit maintenant une signification grammaticale d’ordre morpho-syntaxique et donnée par les marques. Pour comprendre pourquoi Dubois opère ce glissement de sens, il faut se rappeler qu’il est familier des Essais de linguistique générale de Jakobson, dont il a fait un compte rendu dans un numéro du Français moderne en 1964, numéro dans lequel il publie également un article où il applique les théories de Jakobson aux problèmes du temps et de l’aspect. Entre autres choses, Dubois emprunte à Jakobson l’idée que toutes les formes grammaticales (en particulier l’aspect et le temps) sont marquées dans le code de façon variable selon les langues. Aussi cherche-t-il les structures formelles dans lesquelles sont traduites dans un code donné les oppositions sémantiques d’accompli/non accompli, antériorité/non-antériorité et postériorité/non postériorité, qui définissent ce qu’on appelle l’aspect et le temps ; on doit constater, dit-il, qu’il existe des langues qui sont appelées à traduire non ces trois oppositions, mais parfois deux d’entre elles seulement, le développement de la postériorité/non postériorité se faisant quelquefois tardivement.

61Or ces idées sont développées chez Jakobson (1963 [1959]) dans le chapitre des Essais intitulé « La notion de signification grammaticale selon Boas », où il emprunte à Boas l’idée de grammatical meaning (voir § 3.3 ci-dessus). En faisant siennes, à son tour, les significations grammaticales de Boas-Jakobson, Dubois donne à l’information un sens sémantique tout à fait opposé au sens quantitatif de la théorie de Shannon et Weaver. Toutefois, ce n’est pas le seul emprunt qu’il fait à l’interprétation jakobsonienne de la théorie de l’information. Il adopte la façon dont Jakobson s’est approprié la notion de redondance et l’inscrit au cœur de son étude des marques du français. Il l’utilise encore de façon très active dans le tome 2 de sa Grammaire structurale, contrairement à la notion d’information qui disparaît.

62Chez Dubois, cet emprunt jakobsonnien, de seconde main en quelque sorte, peut sembler en contradiction avec l’usage distributionnaliste et quantitatif qui cohabite avec lui dans ses textes. Il faut toutefois reconnaître que la théorie de l’information acquiert avec Dubois un pouvoir heuristique qui lui permet de penser la dimension sémantique de certaines catégories linguistiques, comme le temps et l’aspect.

 

63Pour conclure, on ne saurait trop insister sur le caractère hétérogène autant qu’éphémère de l’impact de la théorie de l’information en linguistique. Toutefois, même si les références explicites à la théorie de l’information disparaissent assez rapidement, la nouvelle voie phonologique ouverte par Jakobson sera poursuivie au moins en phonologie générative, et la voie probabiliste mènera à la troisième mathématisation du langage, lorsque ces méthodes seront ravivées avec les études sur grands corpus dans les années 1990 (voir chapitre 9).

Notes

1 Voir chapitre 2, note 12.

2 Andrei Andrejevich Markov (1856-1922), a étudié un certain nombre de textes littéraires, dont Eugène Onéguine de Pouchkine, en les traitant sous forme de séquences stochastiques de caractères. Une chaîne de Markov est un automate à états finis dont les transitions d’un état à un autre sont réglées par des probabilités. En 1948, Shannon a proposé un modèle statistique des séquences de lettres dans un texte en anglais, fondé sur les chaînes de Markov.

3 Selon Segal (2003), Zipf aboutit dans son article de 1946 intitulé « Quelques éléments déterminants de la circulation d’information », à une définition mathématique de la « quantité d’information » proche de celle de Shannon.

4 Il faut préciser que le terme de code est déjà utilisé par Saussure. Depuis, la notion de code est pour les linguistes au cœur de leurs réflexions sur les rapports entre langue parlée et écrite, entre parole et écriture (Fehr 2003).

5 Hockett (1953) consacre dans Language un long article critique d’une trentaine de pages à l’ouvrage de Shannon et Weaver.

6 « It [language] can be objectively studied if one considers speech and writing not as an expression of the speaker which has particular, introspectively recognized, meanings to the hearer ; but rather as a set of events – sound waves or ink marks – which may be said, if we wish, to serve as tool or vehicle for communication and expression. This set of events, the many occurrences of speaking and of writing, can be described in terms of a structural model » (Harris 1959, p. 458).
Traduction française (J. Léon) : Le langage peut être étudié objectivement si on considère la parole et l’écriture non comme une expression du locuteur qui a des significations particulières, reconnues introspectivement par l’auditeur ; mais plutôt comme un ensemble d’événements – des ondes sonores et des taches d’encre – dont on peut dire, si l’on veut, qu’elles servent d’outils ou de véhicules à la communication et l’expression. Cet ensemble d’événements, les occurrences de parole et d’écriture, peut être décrit par un modèle structural.

7 Voir l’exergue figurant en tête de l’article de Cherry, Halle et Jakobson (1953, p. 34), et reprenant une citation de Bloomfield sur les liens entre linguistique et études quantitatives : « the logical demand that a science speak in quantitative terms is met by linguistics because it speaks in terms of phoneme ».
Traduction française (J. Léon) : La demande logique qu’une science parle en termes quantitatifs trouve un écho en linguistique parce que celle-ci parle en termes de phonèmes.

8 Pour une étude plus détaillée de la place de la théorie de l’information dans l’œuvre de Harris voir Léon (2011a).

9 Chez Harris les sous-langages des sciences sont des langages artificiels construits formellement et identiques pour toutes les langues pour une science donnée (voir chapitre 9).

10 Waugh et al. (1990) signalent aussi les antinomies de la tradition dialectique russe post-hégélienne comme étant à l’origine de la notion d’opposition.

11 Selon Anderson (1985), il est difficile de distinguer ce qui appartenait à Troubetzkoy ou à Jakobson pendant la période pragoise. Comme l’atteste leur correspondance, les points de désaccord étaient minimes (Sériot 2006). Et ce n’est qu’après la mort de Troubetzkoy en 1938 que la position de Jakobson commença véritablement à diverger.

12 Seuls les travaux de Markov (Markov 1913, Petruszewycz 1981), d’ailleurs cités par Shannon, préfiguraient ce type de travaux. Ceux de Zipf n’établissaient que des distributions de fréquences univariées (fréquences de mots).

13 Cherry, Halle et Jakobson (1953) donnent l’exemple suivant p. 39 : Un trait redondant aide l’auditeur à résoudre certaines ambiguïtés introduites par la distorsion du signal. Par exemple le trait de nasalité est marqué zéro pour toutes les voyelles en russe. Si ces zéros étaient changés en plus, les nouveaux symboles ne voudraient pas dire qu’un locuteur russe nasalise toujours ses voyelles ; normalement il ne fait pas ; mais même s’il le faisait, la nasalité n’aurait aucune signification phonémique. C’est un trait redondant.

14 « On s’aperçoit maintenant de la nécessité d’une stricte distinction entre différents types de redondance, et cela en théorie de la communication comme en linguistique, où le concept de redondance embrasse d’une part les moyens pléonastiques en tant qu’ils s’opposent à la concision explicite (la brevitas de la rhétorique traditionnelle), et d’autre part ce qui est explicite par opposition à l’ellipse. Au niveau phonologique, les linguistes sont habitués à distinguer les traits phonologiques distinctifs des variantes contextuelles ou combinatoires (allophones), mais le traitement, par la théorie de la communication, de problèmes étroitement liés, la redondance, la prédictabilité et les probabilités conditionnelles, a permis de clarifier les rapports entre les deux principales classes de qualités phoniques – les traits distinctifs et les traits redondants » (Jakobson 1963 [1961], p. 89).

15 Dans la théorie générative, un modèle explicatif est une grammaire formelle fondée sur des principes explicatifs qui doit pouvoir rendre compte de l’intuition du locuteur natif. Voir notamment la définition qu’en donne Chomsky en 1962 :
« What we seek, then, is a formalized grammar that specifies the correct structural descriptions with a fairly small number of general principles of sentence formation and that is embedded within a theory of linguistic structure that provides a justification for the choice of this grammar over alternatives. Such a grammar could properly be called an explanatory model, a theory of the linguistic intuition of a native speaker » (Chomsky 1962, p. 533).
Traduction française [Y. Noizet dans Mehler et Noizet 1974] : « ce que nous recherchons, c’est donc une grammaire formalisée qui spécifie les descriptions structurales correctes à l’aide d’un nombre très limité de principes généraux de formation des phrases, et qui soit comprise dans une théorie de la structure linguistique fournissant une justification du choix de cette grammaire de préférence à d’autres. Une telle grammaire pourrait à juste titre être appelée un modèle explicatif, une théorie de l’intuition linguistique du locuteur d’origine » (p. 74).

16 Waugh et al. (1990) signalent l’attrait qu’avait la théorie de la relativité pour Jakobson, ainsi que toutes les notions communes à la physique, aux mathématiques et à la linguistique.

17 Traduction française [J. Léon] : Le choix d’une forme grammaticale par le locuteur présente à l’auditeur un nombre défini de bits d’information. Le caractère obligatoire de cette sorte d’information dans tout échange verbal au sein d’une communauté linguistique donnée et la différence considérable d’information grammaticale transmise selon les diverses langues ont été appréhendées par Franz Boas, grâce à sa stupéfiante compréhension des configurations sémantiques multiformes du monde linguistique… Il était clair pour Boas que toute différence de catégorie grammaticale porte une information sémantique.

18 La revue Word a été fondée en 1943, en même temps que le Linguistic Circle of New York par des linguistes, pour certains immigrés et fuyant le régime nazi, parmi lesquels Roman Jakobson.

19 Dans son étude sur Martinet et l’École de Prague, Verleyen (2007) insiste sur l’influence de Zipf comme psychologue plutôt que comme statisticien. Il montre que Jakobson et Troubetzkoy conçoivent la langue en diachronie comme une totalité organique dans laquelle l’influence des locuteurs est relativement faible, alors qu’au contraire Martinet envisage la systématicité du changement en termes de propriétés du sujet parlant. Ce qui explique, dit Verleyen, le recours de Martinet au psychologue Zipf, dont le principe du moindre effort tente de rendre compte du comportement humain en général.

20 On ne sait si Martinet connaissait les travaux du philologue de Harvard Joshua Whatmough parus dans le Scientific American en 1952 (voir § 3.3 ci-dessus).

21 Dans la bibliographie sommaire présente dans l’édition de 1970, l’ouvrage de Jakobson et Halle (1956) n’est cité que pour les conceptions binaristes et aprioristes de la phonologie, critiquées par Martinet.

22 Chevalier (2006) souligne bien le rôle de passeur de Dubois dans l’introduction des théories linguistiques américaines en France dans les années 1960.

23 Alors que, dans sa thèse, Dubois cite l’ouvrage de G. A. Miller Language and Communication (1951, traduction française 1956), qui est une introduction anti-behaviouriste à la théorie de l’information destinée aux étudiants de psychologie, il ne reprend pas cette référence dans ses travaux ultérieurs.

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