Version classiqueVersion mobile

Histoire de l'automatisation des sciences du langage

 | 
Jacqueline Léon

Chapitre 6

Automatisation de la traduction, sémantique et lexique : l’inscription de nouvelles questions et nouveaux objets dans le temps long

Texte intégral

1Nous allons quitter la scène américaine pour voir comment se sont effectuées l’intégration de la TA et l’automatisation du langage dans d’autres traditions linguistiques. À la différence de la linguistique structuraliste américaine, qui a intégré l’automatisation-mathématisation par adaptation et où les méthodes distributionnelles partagent déjà une partie des savoirs à l’œuvre dans la linguistique computationnelle, la linguistique soviétique, la linguistique britannique et la linguistique structurale française ont, chacune avec leur spécificité propre, tiré profit de l’automatisation de la traduction, sans pour autant intégrer l’ensemble des conceptions théoriques sous-jacentes.

2L’automatisation du langage ne s’est pas nécessairement accompagnée d’emblée d’une nouvelle mathématisation. Certains groupes de TA ont donné la priorité à la sémantique et au lexique dans l’élaboration de méthodes de TA. Même si la mise en algorithme est nécessairement engagée dès lors qu’il s’agit d’automatiser les procédures de traduction, ces groupes, au contraire des Américains, n’ont pas donné la priorité à l’analyse syntaxique logico-mathématique. L’automatisation de la traduction, fondée sur le lexique et la sémantique, et ancrée dans des traditions linguistiques et culturelles données, a eu pour effet de susciter ou renouveler des questions, et de faire émerger de nouveaux objets pour les sciences du langage. C’est dans le sillage de ces questions nouvelles conçues au sein de leur tradition que la mathématisation de la syntaxe s’est trouvée intégrée, et non de façon brutale et externe. Plutôt que de se voir obligées d’intégrer « de force » un nouvel horizon de rétrospection imposé de l’extérieur dans un laps de temps limité, ces approches ont inscrit l’automatisation du langage dans le temps long.

1. Sémantique et méthodes de langues intermédiaires pour la TA

3Dans l’horizon de rétrospection de la TA, les questions de sémantique sont inexistantes : exclues de l’approche behaviouriste des néo-bloomfieldiens, elles sont appréhendées à partir de la logique chez Carnap et Bar-Hillel. C’est au sein de traditions où le sens peut être un enjeu que les approches sémantiques de la TA ont pu être développées.

  • 1 On notera que les Russes connaissaient les travaux britanniques (Mel’čuk 1961 ; Žolkovskij 1961), (...)

4Les premières expériences de TA en Grande-Bretagne et en URSS présentent plusieurs similitudes. Acteurs majeurs de la guerre froide, les Britanniques et les Russes sont en effet les premiers, dans le sillage des États-Unis et de la première démonstration sur ordinateur de 1954, à s’engager dans des expériences de TA. Même si les groupes russes et britanniques ont mené des expérimentations en TA de façon parallèle et souvent dans une méconnaissance totale des travaux des uns et des autres1, ils ont comme point commun d’avoir entrepris ces expérimentations en donnant la priorité au transfert de sens dans le processus de traduction et en développant, pour la TA, des méthodes de langues intermédiaires à base sémantique.

  • 2 « Let it be remarked parenthetically that some of my speculations in this direction attach themsel (...)
  • 3 Ce point, abordé dans Mindell et al. (2003), mériterait d’être approfondi.

5Ce qui distingue les deux approches, outre le contexte politique, c’est la familiarité avec la première mathématisation. Avec les travaux de Russell, Turing et Wittgenstein (entre autres), les Britanniques sont très au fait de la première mathématisation, qui composait l’essentiel de l’horizon de rétrospection de Weaver et de la TA. Ils ont leur propre école de théorie de l’information avec Colin Cherry, Dennis Gabor et David McKay. Pour les Soviétiques, c’est au travers des débats sur la cybernétique, à partir des années 1950, que ces questions sont abordées. Même si Wiener (1948) reconnaît les travaux pionniers de certains mathématiciens russes – il cite Andrei Kolmogorov (1903-1987), Nicolai Krylov (1879-1955) et Nicolai Bogolioubov (1909-1992)2 – il est difficile de cerner actuellement l’ancrage des Russes dans la première mathématisation du langage3.

1.1. Les pionniers : l’espéranto comme langue intermédiaire

6Les tout premiers pionniers de la machine à traduire sont d’une part un Russe, d’autre part deux Britanniques dont aucun n’est linguiste. Ce sont des inventeurs qui, bien qu’à des époques différentes, se sont appuyés sur l’espéranto comme langue intermédiaire pour imaginer une machine à traduire.

1.1.1. La machine de Trojanskij (1931, 1947)

  • 4 Le brevet de Trojanskij et son algorithme figurent déjà en fac-similé dans l’article de Panov, Lia (...)

7Le projet de machine à traduire conçu par l’ingénieur Smirnov-Trojanskij (1894-1950) en 1931, et rédigé en 1947 sous le titre De la machine à traduire, construite sur la base d’une méthode monolingue, est publié en 1959 par les pionniers de la TA en URSS, Panov et Korolev (Panov et al. 1959)4. En reprenant ce projet des années 1930-1940, l’objectif des chercheurs soviétiques est de tenter d’instaurer les Russes comme pionniers de la TA, avant les Américains, à l’instar du Spoutnik lancé en 1957.

8Le tableau ci-dessous illustre la méthode de traduction élaborée par Smirnov-Trojanskij (voir Archaimbault et Léon 1997, p. 115) :

A A1 (B1 + C1) (B + C)
das Bild das Bild-o картина-о le tableau картина le tableau
der Welt die Welt de -o Мир de -o le monde de-o мирa du monde
zeigt zeigen-as Показывать-as montrer-as показываeт montre
wie wie как comment как comment
die Materie die Materie-o материя-о la matière-o материя la matière
sich bewegt sich bewegen-as двигаться-as se mouvoir-as движется se meut
wie wie как comment как comment
die Materie die Materie-o материя-о la matière-o материя la matière
denkt denken-as Мыслить-as penser-as мыслит pense

9Comme base d’automatisation de la traduction, Trojanskij postule une structure commune à toutes les langues, au-delà de leur diversité ; entre la langue-source et la langue-cible, il suggère de passer par un texte intermédiaire, qu’il dit logique, qui consiste en une suite de mots apparaissant sous leur forme grammaticale de base, comme autant d’entrées de dictionnaire qui seront ensuite traduites. Dans le système de Smirnov, un traducteur obtient, à partir d’un texte en langue source A, un texte en langage logique A1 que la machine traduira automatiquement en langage logique Bl, grâce à un dictionnaire qui traduit automatiquement les entrées. Le texte Bl sera ensuite arrangé manuellement par un rédacteur en langue cible B.

  • 5 o est le morphème du nom en espéranto et -as est la marque du présent pour les verbes.

10Certaines formes de ce langage logique : forme + marque de reconnaissance du verbe (as) et du nom (o) sont clairement des emprunts à l’espéranto5.

11Pour Trojanskij, le grand intérêt de cette méthode de traduction réside dans le fait qu’il s’agit d’une méthode monolingue, chaque traducteur pouvant ne connaître qu’une langue et une seule : il met ainsi le travail de traduction à la portée de tous, puisque ce travail s’apparente aux exercices des écoliers du cours élémentaire qui décomposent un texte de leur langue maternelle « en parties de propositions et en parties de discours ». En outre, les avantages économiques de la méthode sont nombreux, notamment la possibilité de faire appel à des traducteurs non qualifiés.

1.1.2. Le pidgin English de Richens et Booth (1955)

12Pour Andrew D. Booth (1918-2009) et Richard H. Richens (1919-1984), une langue est une suite de symboles représentant des idées. La traduction est une opération de substitution d’une langue à une autre pour exprimer le même ensemble d’idées. La procédure consiste à décomposer les mots du texte source en unités sémantiques (racines et affixes séparés par des *), chacune représentant une idée (1), puis à opérer une traduction mot à mot en appliquant un dictionnaire bilingue. Le résultat est une suite de mots et de directives grammaticales ressemblant à une forme stéréotypée de pidgin English (2) contenant des directives grammaticales issues de l’analyse de la langue source (3). L’astérisque signale le lieu d’une décomposition morphologique, résultat d’une post-édition. Celle-ci doit être réécrite en anglais standard (4).

(1) Texte français (source)
Il n’est pas étonn*ant de constat*er que les hormone*s de croissance ag*issent sur certain*es espèce*s, alors qu’elles sont in*opér*antes sur d’autre*s, si l’on song*e à la grand*e spécificité de ces substance*s.

 

(2) Résultat : pidgin English
v not is not / step astonish v of establish v that / which ? v hormone m of growth act m on certain m species m, then that / which ? v not operate m on of other m if v one dream / consider z to v great v specificity of those substance m.

 

(3) Directives grammaticales utilisées dans l’exemple

m : pluriel (multiple, pluriel ou duel) v vide
z non spécifié

 

(4) Résultat de la post-édition
It is not surprising to learn that growth hormones may act on certain species while having no effect on others, when one remembers the narrow specificity of these substances.

13Dans le cas russe comme dans le cas britannique, ces approches, qui peuvent paraître naïves, témoignent de l’importance des langues artificielles dans leurs horizons de rétrospection respectifs. Mais les similitudes s’arrêtent là. Les modèles de langues intermédiaires qui en sont issus sont très différents. Les contextes eux aussi sont différents. Trojanskij conçoit sa machine à traduire bien avant l’apparition des ordinateurs, dans un contexte des années 1930 de planification multilingue qui a pour objectif de traduire toutes les langues de l’Union, et dont la figure de proue est Drezen (Archaimbault 2001).

14Le début de la TA en Grande-Bretagne commence avec la rencontre de Booth, directeur du centre informatique du Birkbeck College de l’université de Londres avec Warren Weaver en 1946. Celui-ci promet de doter le Birkbeck College d’un calculateur électronique à la condition que des expérimentations non numériques, en particulier de TA, y soient effectuées. Comme signalé plus haut, ni Booth ni Richens ne sont linguistes, ni même mathématiciens. Le premier est cristallographe, le second biologiste, spécialiste de la génétique des plantes. Ce sont des « inventeurs » sans aucun ancrage ni dans les sciences de la guerre, ni dans la première mathématisation du langage.

1.2. Lexique, contexte et thésaurus : les expériences du Cambridge Language Research Unit6

  • 6 Pour un exposé détaillé de ces travaux voir Léon 2007a.

15Le groupe britannique, la Cambridge Language Research Unit (CLRU), ne comporte pas d’ingénieurs et n’est pas soumis, comme les Américains, à la pression stratégico-économique de fournir des traductions en série économiquement rentables. Il est dirigé par une philosophe, Margaret Masterman (1910-1986), élève de Wittgenstein, et comprend des linguistes (Martin Kay et M. A. K. Halliday) et des mathématiciens (le statisticien A. F. Parker-Rhodes et les informaticiens Yorick Wilks et Karen Spark-Jones). La présence en son sein de Richard Richens, qui, comme on l’a vu, a commencé des expérimentations de TA dès 1948, contribue probablement au fait que le groupe ait été reconnu très tôt par les Américains. En particulier, Richens signe avec Booth un chapitre du premier ouvrage collectif de TA publié au MIT (Locke et Booth 1955). Le CLRU participe dès 1956 à un colloque organisé par le MIT et, la même année, reçoit un financement de la NSF. Malgré leur proximité avec les Américains, les membres du CLRU n’adoptent pas une approche logico-syntaxique. La langue intermédiaire à base sémantique qu’ils élaborent se situe à la croisée de deux courants appartenant à la tradition britannique : les langues universelles du xviie siècle et les théories contextuelles du sens des années 1930 (Malinowki et le second Wittgenstein). On peut distinguer trois projets successifs de langues intermédiaires développés par les membres du CLRU entre 1955 et 1968 : Nude, Nude II et les templates.

1.2.1. La langue intermédiaire Nude

16Pour élaborer sa langue intermédiaire, Richens (1955) s’inspire des projets de langues universelles britanniques du xviie siècle, notamment l’Ars Signorum de Dalgarno (1661) et l’Essay towards a real character and a philosophical language de Wilkins (1668). Il faut préciser qu’un des héritiers des travaux de Wilkins est le botaniste Linné dont Richens, spécialiste des plantes, connaissait probablement les travaux.

17Cette langue est conçue comme un réseau sémantique de cinquante idées nues, « naked ideas », où les particularités structurales (et surtout morphologiques) de la langue source sont supprimées, d’où son nom de Nude. Le réseau sémantique, dit Richens, est ce qui est invariant durant la traduction. Ces idées nues sont structurées en chunks (ou unités sémantiques). Ce sont des formules composées de primitives sémantiques et d’opérateurs syntaxiques. Par exemple :

.Pz one
Xp’CL seed
Xp’CL.Pz one seed

18Six primitives sont utilisées dans cet exemple :

p plant X part, component
z negation, opposite, contrary C causation, influence
P plurality, group, number L living, alive

19Ainsi que deux opérateurs syntaxiques :

  • 7 L’opérateur [:] marque une relation dyadique, par exemple un verbe transitif marqué par l’attente d (...)

Le point [.] marque une relation monadique : un adjectif ou un verbe intransitif sont marqués par l’attente d’une relation avec un nom7.
Les apostrophes [‘] sont utilisées comme des parenthèses à l’intérieur d’un mot.

L’interlingua « algébrique » de Richens, conçue comme un réseau de primitives sémantiques, est très proche d’une caractéristique universelle. Comme Wilkins, Richens pose le problème de la compositionnalité. Le sens d’un mot est une composition d’éléments de sens :
Seed (graine) = Xp’CL [ X partie + p plante / C cause L vie]

20Toutefois, aucune procédure automatique d’extraction des réseaux sémantiques à partir des textes de base n’est envisageable à partir de Nude, et celle-ci ne sera pas réellement exploitée pour la TA.

1.2.2. Nude II : une langue intermédiaire par thésaurus

21À partir de Nude, Margaret Masterman va élaborer un second projet de langue intermédiaire qui s’inspire tout à la fois de Nude, de la notion de thésaurus et des théories wittgensteiniennes sur la définition du sens d’un mot par ses contextes d’usage. Si contradictoire qu’elle puisse paraître, cette tentative d’allier une conception du sens a priori – que comporte tout projet de langue universelle – avec une conception du sens par l’usage eut des retombées intéressantes.

22Une des composantes de la nouvelle langue intermédiaire est le Thesaurus de Roget, paru en 1852, considéré à raison par les historiens de la linguistique comme un des continuateurs de Wilkins (Cram 1985, Salmon 1979). Margaret Masterman remplace les cinquante primitives de Nude par les heads du Thésaurus et améliore la syntaxe.

Les primitives sont des mots de l’anglais. La syntaxe de Nude II consiste en deux connecteurs et une convention de parenthésage.
[:] relie deux éléments dont la relation est celle d’ajout à l’élément principal
[/] est un connecteur verbal non commutatif représentant la relation de sujet au verbe ou de verbe à objet
() parenthèses remplaçant les apostrophes de Richens, et regroupant les primitives par deux.

23Les primitives de Nude II (Masterman et al. 1959, p. 62) utilisées dans l’exemple sont les suivantes :

NUDE ELEMENT APPROXIMATING AREA OF MEANING EXAMPLE
6 CAUSE Causative actions Cause/(have/sign) (say)
13 HAVE Pertain « of » Cause/(nothave/life) (kill)
33 MAN Human Kingdom (part : folk) : man (member of family)
41 SIGN Symbol (any sort) Cause/(have/sign)(speak)

 

speak he says speaker
cause/(have/sign) man/(cause/(have/sign)) man : (cause/(have /sign))

24L’organisation des heads forme un réseau sémantique de structure non hiérarchique (qui a donné lieu à une formalisation en treillis). Les heads doivent avoir un sens sans pour autant être des mots appartenant à une langue donnée. Masterman, en tant qu’élève de Wittgenstein, partage sa conception du sens des mots par l’usage et refuse d’envisager les primitives de Nude II comme des concepts universaux a priori, ce qu’ils étaient dans la version de Richens. De même, elle est absolument hostile à toute hypothèse cognitive considérant les primitives comme des éléments d’un langage de la pensée, comme par exemple le Mentalese de Fodor. Pour Masterman, c’est le thésaurus qui permet de faire le lien entre les deux conceptions contradictoires du sens (langue universelle/usage). La méthode de langue intermédiaire par thésaurus est, selon Masterman, directement inspirée des intuitions de Wittgenstein (1961 [1953]), en ce que le sens d’un mot est défini à partir de ses contextes d’usage. L’hypothèse fondamentale qui étaye la faisabilité d’un thésaurus (et donc d’une langue intermédiaire par thésaurus) est que, bien que l’ensemble des usages possibles des mots dans une langue soit infini, le nombre de situations extralinguistiques primaires nécessaires pour communiquer est fini. Cette hypothèse a des conséquences importantes pour la TA. La traduction, comme la communication, n’est possible que si les deux populations et les deux cultures correspondant aux langues envisagées dans la traduction partagent un stock commun de contextes extralinguistiques, même si elles sont très différentes. Cette conception implique que la traduction entre deux langues, c’est également la traduction entre deux cultures.

1.2.3. Les templates de Wilks

25Le troisième projet est développé par un des plus jeunes membres du CLRU et élève de Masterman, Yorik Wilks (né en 1939), qui adapte le langage Nude à un projet de résolution d’ambiguïtés sémantiques dans un texte (Wilks 1968). La notion d’ambiguïté admise par tout expérimenteur de TA – puis plus tard de TAL en général – consiste à assimiler mot ambigu sémantiquement et mot polysémique, autrement dit à considérer que tous les sens possibles d’un mot donné sont les sens attribués par le dictionnaire. Wilks au contraire, dans la lignée de Wittgenstein, Firth et Masterman, définit les ambiguïtés sémantiques par rapport à leur contexte d’usage, en l’occurrence le texte. Pour résoudre ces ambiguïtés, il met au point un système de représentation sémantique des textes à l’aide de templates qui doivent capturer l’essentiel de l’information dans les textes. Les templates, sortes de patrons du sens d’une proposition ou d’une phrase simple, sont fabriqués à l’aide de formules très proches des formules de Nude. Ces formules permettent d’encoder les différents sens d’un mot à l’aide de 53 primitives, dont 45 sont communes avec les archiheads de la méthode par thésaurus. Grâce à une procédure de pattern matching, les différentes représentations des mots vont être confrontées à celles du texte, et comme pour le thésaurus, si deux représentations de deux mots contiennent les mêmes primitives, elles permettront de résoudre l’ambiguïté, ou du moins de proposer un sens préféré (Wilks parlera plus tard de sémantique préférentielle).

26Les travaux de Wilks ont le mérite d’introduire les études sur les primitives sémantiques, conçues dans le cadre de la TA, dans le débat tout nouveau à la fin des années 1960 de la sémantique non référentielle et de l’intelligence artificielle. Ils constituent pour une part l’horizon de projection des premières tentatives de TA, ouvrant sur des développements internationalisés de la linguistique, tout en gardant une spécificité britannique qu’ils héritaient de Sweet, Wittgenstein et Firth, caractérisée par un travail sur les textes plutôt que sur des phrases isolées.

1.3. La TA en URSS : comparatisme, planification linguistique et langues intermédiaires

1.3.1 Cybernétique et TA en Union soviétique dans les années 1950

27Alors qu’aux États-Unis, la TA est clairement un héritage de la cybernétique et de la théorie de l’information, en URSS leur relation n’est pas aussi immédiate – mais tout aussi certaine. Il faut préciser que la cybernétique a connu une fortune contrastée en URSS (Mindell et al. 2003). L’ouvrage de Wiener (1894-1964), Cybernetics, paru en 1948, fait l’objet en URSS dès 1952 d’une campagne hostile, la cybernétique étant considérée comme une science bourgeoise. Après la mort de Staline, on peut noter un changement d’attitude de la communauté scientifique soviétique à l’égard de la cybernétique. En novembre 1954, l’exposé « Qu’est-ce que la cybernétique ? » d’Arnost Kolman devant l’Académie des sciences sociales du comité central du Parti communiste sera publié en RDA, puis dans La pensée et dans Behavioral Science. Ce changement peut aussi être imputé au fait que, grâce à ses écrits critiques sur la société américaine, Wiener n’est plus considéré comme un « scientifique impérialiste » ; notamment dans la seconde édition de son ouvrage The Human Use of Human Being (Wiener 1950), il s’en prend au maccarthysme et milite contre l’utilisation de l’arme atomique. Enfin, la cybernétique et la rétroaction, à l’œuvre dans les systèmes de défense antiaérienne mis au point pendant la seconde guerre mondiale, sont devenues nécessaires pour les militaires soviétiques. Un rapport confidentiel rédigé par le vice-amiral russe Aksel Berg semble jouer un rôle décisif. En 1958, l’ouvrage de Wiener est traduit en russe. À partir de 1961, la cybernétique n’est plus une science bourgeoise mais une théorie à promouvoir. Ainsi, Kroutchtchev et Ulbricht s’y réfèrent dans les congrès tenus respectivement par leurs partis.

  • 8 Traduction des titres de ces revues en français : Problèmes de cybernétique et Traduction automati (...)

28L’engagement des Soviétiques dans la TA est contemporain du retour en grâce de la cybernétique. C’est en effet à partir de 1954, date de la présentation d’Arnost Kolman, et de la première démonstration de TA sur ordinateur à New York, que les premiers travaux en TA sont envisagés. En 1956, une résolution du 20e congrès du PCUS promeut de façon explicite la TA comme projet scientifique prioritaire. C’est en 1958, date de la traduction de l’ouvrage de Wiener, que sont créées deux revues où seront publiés des articles sur la TA, Problemi kibernetiki et Mašinnyj Perevod i Prikladnaja Linguistika8.

29Toutefois, contrairement aux États-Unis, la TA n’occupe pas en URSS une place stratégique dans la guerre froide. Il y a peu de financement et les ordinateurs sont réservés aux services secrets ou à des fins strictement militaires. Les chercheurs engagés dans la TA appartiennent à des disciplines spéculatives comme les mathématiques ou la linguistique mathématique, considérées comme peu « dangereuses » idéologiquement. À ce titre, ils bénéficient d’une certaine tranquillité, et leur situation, toutes choses égales par ailleurs, est comparable à celle des Britanniques, eux aussi peu soumis aux pressions économiques et stratégiques.

30Ainsi, la demande des autorités est moins de traduire l’anglais vers le russe que de traduire le russe dans les autres langues de l’Union. La TA est conçue comme la première étape d’un programme plus général de traitement de l’information, de son extraction et de son stockage à partir de textes écrits dans différentes langues, tel qu’éditer, faire des résumés, fournir des références bibliographiques, etc.

  • 9 Les travaux respectifs sont relativement connus des deux côtés du rideau de fer. Un des pionniers (...)

31Dans leurs premiers travaux, les chercheurs russes se positionnent vis-à-vis des travaux américains, pionniers dans le domaine et référence obligatoire en ces temps de guerre froide et de compétition9. Ils critiquent la conception de la traduction héritée de la théorie de l’information et préconisée par Weaver, consistant à traiter les langues comme des codes et la traduction comme un décodage. Au contraire, la traduction se définissant comme un transfert de sens d’une langue à l’autre ne peut se traiter comme un changement de code, c’est-à-dire de formes uniquement. Cette position les conduit à développer une approche sémantique de la TA, au détriment de l’analyse syntaxique, dominante aux USA, et à donner plus d’importance à la synthèse en langue cible, d’où l’élaboration de langues intermédiaires.

1.3.2. Modèles de langues intermédiaires10

  • 10 Voir Archaimbault et Léon (1997).

32Plusieurs modèles ont servi pour l’élaboration de langues intermédiaires : le russe, les langues internationales et l’idée de protolangue, tous inscrits sur le long terme dans la tradition culturelle ou linguistique russe. D. Ju. Panov (1956) écarte les langues artificielles, telles les langues internationales qu’il tient pour incapables de transmettre la richesse des langues naturelles. Il écarte également l’idée de construire une langue spécifique adaptée à la traduction et propose le russe comme langue intermédiaire. Les arguments en faveur du russe sont économiques et linguistiques, le russe étant présenté comme comportant des propriétés spécifiques comme la non-ambiguïté morphologique du verbe permettant d’identifier exactement la forme d’un verbe même hors contexte.

33Nikolaj Dmitrivic Andreev (1920-1997) dirige à l’université de Leningrad le Laboratoire expérimental de traduction par machine rattaché à l’Institut de mathématiques et de mécanique. Son modèle de langue intermédiaire est issu de l’idée de langue univoque d’information promue par Drezen (Andreev 1967). Sa méthode de construction repose sur un traitement statistique des invariants linguistiques et sur une conception des langues comme faits sociaux. Ainsi, ne font partie de la langue intermédiaire que les structures suffisamment distribuées dans les langues naturelles examinées. La présence ou absence de ces structures se trouve de plus pondérée par le nombre de locuteurs et le nombre de textes déjà traduits. Cette méthode fondée sur des données statistiques (nombre de structures communes, nombre de locuteurs, nombre de textes traduits) rappelle les méthodes qui, au xixe siècle, présidaient au choix d’une langue internationale a posteriori ainsi qu’une tendance bien connue en URSS à la planification chiffrée. Par ailleurs, à travers le terme de hiéroglyphes par lequel Andreev désigne les éléments de base de sa langue intermédiaire, on reconnaît un des vieux mythes de construction d’une langue parfaite des images, de même que certains projets de pasigraphie du xixe siècle. Andreev propose de calculer pour chaque langue un indice de congruence à partir du nombre de hiéroglyphes concordants (le hiéroglyphe de la langue d’entrée est le même que celui de la langue de sortie) et non concordants qu’elle comporte, et de la pondération qui lui est affectée.

34Soit la phrase anglaise suivante et sa traduction en hiéroglyphes :

Les hiéroglyphes sémantiques δ correspondent aux unités lexicales : par exemple δ1 est le hiéroglyphe sémantique de sun.
Les hiéroglyphes formels ϕ correspondent aux informations grammaticales : τ5 est le hiéroglyphe formel de l’article défini.
Les hiéroglyphes tectoniques traduisent l’ordre des mots : τ4 est le hiéroglyphe tectonique indiquant que l’article est suivi de N.

35Igor A. Mel’čuk (né en 1932), hispanisant et francisant, travaille à l’Institut de linguistique de l’Académie des sciences de Moscou. Il développe en 1956 avec la mathématicienne Olga Kulagina (1932-2005) un système de TA français-russe, avant de s’intéresser à un algorithme de traduction russe-hongrois pour lequel il concevra l’idée d’une langue intermédiaire (Kulagina et Mel’čuk 1967). Le hongrois présente une particularité dans le processus de traduction : alors que dans la traduction de langues comme le russe, l’anglais, le français ou l’allemand, il est possible de considérer la différence d’ordre des mots comme négligeable, ce n’est pas possible dans la traduction hongrois-russe. La solution consiste soit à concevoir une procédure spéciale qui rende compte de ce changement pour chaque paire de langues, soit à envisager une méthode dissociant analyse et synthèse de façon à neutraliser le problème de transfert de l’ordre des mots. Cette méthode, c’est la langue intermédiaire.

36Les travaux de Mel’čuk sont inspirés par ceux de Vjaeslav Ivanov (né en 1929), qui fut son directeur de thèse. Ivanov propose de réinvestir dans la réflexion sur la langue intermédiaire le travail théorique de la linguistique historique et comparée. Ce travail s’inscrit dans l’héritage direct de Baudoin de Courtenay par les références explicites que fait Ivanov à la théorie de la mixité de toutes les langues. L’idée en est que les méthodes de comparaison des faits de langue sont largement éprouvées, mais qu’une métathéorie capable de décrire la structure formelle de la comparaison, une théorie des relations des systèmes linguistiques, reste à construire. Celle-ci s’appuierait sur une langue abstraite, nommée protolangue, qui ne serait pas représentative d’un état antérieur d’une langue donnée, mais qui en constituerait le système abstrait, au sens où celle-ci recèlerait toutes les potentialités communes à un groupe de langues, que ces potentialités soient exprimées ou non. C’est cette protolangue que propose Ivanov comme langue intermédiaire pour la TA.

37Mel’čuk conçoit la traduction automatique comme le transfert de sens d’une langue à une autre en s’appuyant sur les invariants linguistiques. Il s’agit alors de savoir comment traiter les traits variants dans la langue intermédiaire. C’est en termes de significations grammaticales (opposées aux significations lexicales), empruntées à Boas via un article de 1959 de Jakobson, « Boas’ view of grammatical meaning » (Jakobson 1971 [1959]), que Mel’čuk traite les variations. Toutefois, il ne considère pas les significations grammaticales comme des universaux (il utilisera le terme de flexions dans son Cours de morphologie générale), et exploite le fait que celles-ci ne sont pas identiques au regard de la traduction. Il va les utiliser pour un traitement distinct des langues sources et cibles. Une bonne partie des significations grammaticales (les informations morphosyntaxiques), singulières pour chaque langue, et utiles lors de l’analyse du texte en langue source, ne sont plus nécessaires lors de la phase de traduction proprement dite. Ainsi, il n’est pas nécessaire de connaître directement le genre, le nombre, le cas d’un adjectif russe quand on le traduit en français ou en allemand. Ce qui est important c’est d’avoir trouvé, lors de la phase d’analyse, le substantif avec lequel il s’accorde. Il en va autrement des indicateurs grammaticaux de significations lexicales, servant au repérage référentiel des éléments lexicaux (nombre des noms, temps et mode des verbes, etc.) qui, eux, sont nécessaires à la traduction.

38Ainsi la langue intermédiaire comportera de façon obligatoire seulement deux sortes de variations entre langues, les significations lexicales et syntaxiques ; d’une part parce qu’elles existent dans toutes les langues, d’autre part parce qu’elles sont nécessaires à la traduction.

39Ceci a des conséquences pour la structure de la langue intermédiaire qui, parce qu’elle ne doit pas rendre compte des significations grammaticales des différentes langues, n’a pas de vraie grammaire. En revanche, les significations syntaxiques sont stockées sous forme de relations syntaxiques de la langue intermédiaire, et les traits grammaticaux lexicaux sont stockés sous forme de mots (ou de concepts) dans un dictionnaire. Mel’čuk (1960, p. 25) rejoint ici la position d’Ivanov qu’il cite : « concrètement les significations relationnelles doivent se refléter non dans la grammaire, mais dans le vocabulaire de la machine ».

40Autrement dit, une partie considérable de la grammaire de la langue naturelle doit être traduite sous forme de dictionnaire. Ceci s’explique, dit-il, par le fait que la grammaire des langues naturelles correspond très peu à la syntaxe logique d’une langue scientifique. Les mots et les relations syntaxiques de la langue intermédiaire correspondent à l’alphabet et aux règles de formation des langages formels de la logique mathématique.

41Enfin, le traitement automatique de la variation des langues impose deux contraintes lors de la traduction de la langue source vers la langue intermédiaire : (i) il ne faut perdre aucune information grammaticale de cette langue parce qu’une telle information peut être nécessaire, en synthèse, à la traduction dans une des langues cibles. Ainsi, la catégorie du nombre des noms sera exprimée dans la langue intermédiaire quand elle existe dans les langues sources (russe, anglais, hongrois…), mais non pour le chinois : ce qui évite à la fois perte et redondance de l’information ; (ii) aucune information ne doit être développée de façon spécifique qui ne soit exprimée sous une forme claire dans la langue source, car cette information peut s’avérer superflue lors de la traduction dans la langue cible. Par exemple, lors de la traduction du japonais vers le chinois, l’introduction dans la langue intermédiaire du nombre des noms, qui n’est pas exprimé en japonais, exige la mise en œuvre d’une série de règles lexico-sémantiques, statistiques et contextuelles, inutiles et redondantes dans ce cas précis. Lorsque cette information est requise pour la langue de sortie, il est plus économique de la générer durant le processus de synthèse du texte, grâce à une analyse du contexte.

42Une telle approche permet de traduire de nouvelles langues sans introduire de changements fondamentaux dans la langue intermédiaire : les nouvelles significations grammaticales sont transformées en mots de la langue intermédiaire et introduites de façon cumulative sans changer sa structure.

43La langue intermédiaire ainsi construite ne peut être une langue ni entièrement artificielle ni entièrement naturelle. Elle est fondée sur l’extraction de propriétés de langues. Pour la TA, Mel’čuk en vient à privilégier la synthèse. Commencer par l’analyse, dit-il, est trop difficile dans la mesure où, le sens étant un élément fondamental de la traduction, l’analyse suppose que l’on maîtrise la compréhension d’un texte. Par ailleurs, l’insertion lors de la phase de synthèse de certaines informations grammaticales propres à la langue cible s’avère plus économique que de prévoir ce type d’information dans la langue intermédiaire. Cette primauté de la synthèse sera un des traits caractéristiques du modèle sens-texte qu’il développera à la fin des années 1960 avec Žholkovskij (voir notamment Mel’čuk et Žholkovskij, 1970) à partir de ces travaux sur la langue intermédiaire. C’est ce qu’indique l’orientation sens -> texte de préférence à l’orientation texte -> sens.

44Dans sa présentation, Polguère (1998, p. 4) définit le modèle sens-texte de la façon suivante :

[…] un modèle Sens-Texte est une machine virtuelle qui prend en entrée des (représentations de) sens d’énoncés et retourne en sortie un ensemble de Textes, qui contient toutes les paraphrases permettant d’exprimer le Sens donné en entrée.

45Le modèle sens-texte s’inspire largement de la langue intermédiaire : les relations syntaxiques vont constituer une syntaxe de dépendance, les traits grammaticaux lexicaux deviennent des fonctions lexicales. Fidèle à l’idée qu’il doit rendre compte de la variation entre les langues et de tous les types de structures linguistiques possibles, le modèle utilise des formalismes variés. Dans le modèle sens-texte, la langue intermédiaire, dont la conception restait attachée à la réalisation d’algorithmes concrets, est remplacée par l’anglais basic et le russe basic, ensemble de structures lexico-syntaxiques profondes, nécessaires à la synthèse. En effet, la perspective de la synthèse reste essentielle. Voici la raison qu’en donne Polguère, moins déterminée par un objectif de TA que Mel’cuk (1960) :

La correspondance Sens-Texte est toujours envisagée sous l’angle de la synthèse – du Sens au Texte – plutôt que sous celui de l’analyse – du Texte au Sens. La raison en est que seule la modélisation de la synthèse linguistique permet de mettre en jeu les connaissances purement linguistiques (contenues dans le dictionnaire et la grammaire de la langue). L’analyse, elle, ne peut se faire sans que l’on soit confronté au problème de la désambiguïsation, problème qui ne peut être résolu (par le locuteur ou par une modélisation formelle) sans le recours à des heuristiques basées sur des connaissances extra-linguistiques. (Polguère 1998, p. 4)

  • 11 Il faut aussi citer, dans cet horizon de projection, les travaux de Ju. D. Apresjan sur la sémanti (...)

46Le modèle sens-texte est ainsi la partie la plus visible de l’horizon de projection des travaux de TA des années 1950 en Union soviétique. Par ailleurs, Mel’čuk se considère comme un typologue et sa conception des significations grammaticales non universelles est investie dans son Cours de morphologie générale (Mel’čuk 1993)11.

2. Automatisation de la traduction et unités lexicales composées

47La possibilité d’automatiser la traduction a été l’occasion de faire émerger de nouveaux objets linguistiques. C’est le cas des unités lexicales composées dans la linguistique française des années 1960. La réflexion sur le lexique est au cœur de l’automatisation des sciences du langage en France (voir chapitre 7). C’est d’ailleurs un des thèmes du Colloque international sur la mécanisation des recherches lexicologiques organisé à Besançon en juin 1961 par Bernard Quemada (né en 1926), qui signale que la phraséologie est un des domaines lexicologiques les moins explorés. Même si beaucoup de travaux sur les statistiques de vocabulaire sont menés en parallèle, on ne peut confondre les deux types d’approche. En effet, les travaux de lexicologie, même si on peut montrer qu’ils sont une conséquence de l’automatisation, ne mettent pas en œuvre une véritable mathématisation du langage d’ordre logico-mathématique ou statistique. Ils témoignent d’un renouvellement de la linguistique française à la croisée de plusieurs courants : les études de vocabulaire associées à la tradition socio-linguistique française, la linguistique structurale, la linguistique guillaumienne et l’automatisation de la traduction.

48Les études de vocabulaire sont inscrites dans la tradition sociolinguistique française qui lie langue, culture et société. Au début du xxe siècle, l’atlas linguistique de Gilliéron met en œuvre une conception du vocabulaire où les mots permettent de reconstituer à la fois l’histoire de la langue et l’histoire de la nation. Dans les années 1940-1950, ce sont les études en dialectologie et sur l’histoire des mots, les études étymologiques et stylistiques qui vont conduire à la lexicographie.

49À la jonction de la tradition sociologique des études de vocabulaire et de la lexicographie, on trouve tout d’abord en 1936 les travaux de Mario Roques (1875-1961) et son Inventaire général de la langue française, dont les 6 millions de fiches (les mots avec leur contexte dans des textes littéraires et techniques) sont destinées à des travaux de lexicographie, plus qu’à la confection de dictionnaires. Dans les années 1950-1960, l’utilisation de méthodes statistiques fait évoluer les études de vocabulaire vers des travaux stylistiques, comme ceux de Pierre Guiraud puis de Charles Muller, ou bien vers des travaux à visée pédagogique comme le Français élémentaire dirigé par Gougenheim. Dans les années 1960, enfin, la traduction automatique ou la possibilité d’automatisation de la traduction suscite un renouvellement de la réflexion sur le lexique et l’apparition de nouvelles unités, les unités lexicales complexes.

50Les groupes de mots, traditionnellement traités par des opérations de dérivation-composition par les grammairiens, n’avaient pas suscité l’intérêt des linguistes structuralistes. Quant au « mot », il est éminemment suspect, et les groupes de mots n’ont pas fait l’objet d’études particulières. Pour Saussure, ce sont des syntagmes, c’est-à-dire des unités consécutives : mots composés, dérivés, parties de phrases ou phrases complètes. Ce qui l’intéresse, c’est moins de définir les structures et les délimitations des syntagmes que de déterminer leur appartenance à l’ordre de la langue ou de la parole. Ce qui milite pour la parole, c’est que la phrase, unité de parole par excellence, est un syntagme ; l’argument contraire est que les unités de parole sont par définition libres, et qu’on peut trouver des syntagmes non libres (par exemple prendre la mouche). L’identification de tels syntagmes non libres comme unités de langue constitue tout ce que le structuralisme a à dire sur les unités composées.

2.1. Lexies, synapsies et synthèmes

51Avec la TA, les linguistes structuralistes vont être amenés à reconsidérer le statut du « mot » et des groupes de mots. La machine ne reconnaît que les mots graphiques, à savoir des suites de lettres entre deux blancs ou deux séparateurs. Par ailleurs, l’objectif consistant à faire traduire un texte par la machine les contraint à définir des unités, qui soient à la fois unités de segmentation du texte, unités de langue, unités de sens et unités de traduction. Il s’agit de faire coïncider forme graphique, unité syntaxique et unité sémantique. Les critères de définition doivent permettre de reconnaître ces unités dans un texte et de les stocker dans un dictionnaire. Un certain nombre de termes sont forgés par les linguistes pour définir des unités de ce type :
– les lexies de Bernard Pottier (né en 1924) ;
– les synapsies d’Émile Benveniste (1902-1976) ;
– les synthèmes d’André Martinet (1908-1999).

  • 12 «  Les lexies sont de types différents. (A) groupement d’éléments nominaux. La valeur fonctionnell (...)

52Pottier (1962a et 1962b) considère que le lexique est un des domaines les plus complexes de la TA, tant sur le plan formel (notamment les mots composés) que sur le plan sémantique (polysémie). Il propose la lexie comme unité lexicale et syntaxique pour l’analyse automatique des textes. Les lexies simples (chaise), composées (sous-chef, cheval-vapeur) ou complexes (pomme de terre, prendre la mouche) ne peuvent jamais être inférieures au mot-graphique. Ce sont les lexies complexes qui posent problème à la TA, puisque les autres, simples et composées, sont graphiquement identifiables par la machine. Il est en effet souvent difficile de les distinguer des groupes ou associations libres de mots dont la réunion, dit Pottier, est fortuite en discours. De fait, les critères permettant de définir les lexies complexes sont multiples et laissent des zones d’incertitude. Outre le critère sémantique référant à une désignation stable et à une unicité de l’objet assurée par ce type d’unité lexicale, les critères les plus importants, que Pottier désigne comme fonctionnels, sont d’ordre syntaxique. Ils désignent l’impénétrabilité de l’unité par toute forme d’insertion. Un autre critère, lié à l’objectif de traduction, vient de la comparaison inter-langues : une lexie complexe est susceptible de se traduire par une lexie simple dans une autre langue. C’est le cas de cheval de course et son équivalent corcel en espagnol. Pottier appréhende les zones d’incertitude par des critères statistiques qui déterminent un degré de lexicalisation : pomme de terre est plus lexicalisé que crise de croissance. Enfin, il est intéressant de voir que Pottier mentionne la structure interne de ces lexies complexes en termes de catégories (subst, adj ou V) où commence à émerger un début de traitement syntaxique. Pottier introduit une catégorisation qui s’apparente à la notion de tête en grammaire syntagmatique : plaque tournante est catégorisée comme substantif, parce que c’est la catégorie hiérarchiquement supérieure (dans le syntagme). Ainsi S + A = S12.

53Ce qui est nouveau chez Pottier, en partie grâce à la TA, c’est une conception unificatrice des unités lexicales. Les lexies, simples, composées ou complexes, sont à la fois des unités syntaxiques, des unités de sens et des unités de traduction. Ceci explique pourquoi Pottier s’intéresse moins aux aspects morphologiques des lexies qu’à leur mode de construction et de catégorisation syntaxique.

54Dans des articles postérieurs de quelques années à ceux de Pottier, Benveniste (1966, 1967) identifie les synapsies, qu’il définit comme des groupes de lexèmes formant une unité nouvelle à signifié unique et constant. À la suite de Darmesteter (1875), Benveniste s’intéresse davantage à la structure interne des synapsies, qu’il considère comme d’ordre exclusivement syntaxique. Une synapsie est issue de la conversion nominale d’un énoncé prédicatif : gardien d’asile de nuit est issu de l’énoncé prédicatif il garde un asile de nuit. La nature syntaxique des synapsies garantit leur expansion et donc leur productivité, comme (gardien d’asile) de nuit)) ou bien comme ((gardien) d’asile de nuit)), ce qui est tout à fait novateur dans les processus de formation par composition. En mettant en œuvre les mécanismes réguliers de la syntaxe, les synapsies constituent un mode très productif de création de nouveaux composés, et constituent ainsi la forme de composition de base dans les nomenclatures techniques.

55Comme pour Pottier, ce sont des développements technologiques, traduction automatique pour l’un, nomenclature technique pour l’autre, qui ont contribué à l’identification de ces nouvelles unités. Dans les deux cas, on est en présence d’une approche non morphologique de certains processus de composition.

56En ce qui concerne Martinet, on a pu montrer que l’idée de s’intéresser aux unités lexicales composées est venue de Pottier et plus généralement de la TA (voir Léon 2004). Ainsi, ce n’est qu’à partir de 1967 que le « synthème » apparaît. C’est une unité syntaxique qui regroupe toutes les formes construites par dérivation, composition ou figement et qui est définie par un ensemble de critères hétérogènes d’ordre morphologique, flexionnel et dérivationnel, critères d’ordre syntaxique non obligatoires. Martinet ne s’intéresse pas véritablement au mode de construction des unités. Les synthèmes ne permettent pas d’identifier un niveau spécifique du lexique distinct du niveau morphologique. Il reste proche de la conception structuraliste selon laquelle toutes les unités de langue (mots, syntagmes, phrases) sont organisées de manière homogène et uniforme : ce sont des monèmes ou des combinaisons de monèmes. En revanche, comme les unités de Bally et de Pottier, les synthèmes sont des unités syntaxiques à signifiant stable dans l’énoncé.

57On notera que ces travaux, stimulés par des développements technologiques comme la traduction automatique et la terminologie scientifique et technique, sont à la base de développements inédits dans le domaine de la syntaxe et du lexique. Le fait que ces unités soient souvent des termes de spécialité et que leur reconnaissance fasse appel à un savoir extra-linguistique les rend sensibles à une approche discursive qui s’inscrit dans une tradition spécifique d’étude du vocabulaire. C’est ainsi qu’on peut dire que ces études débouchent sur une lexicologie ancrée dans le discours. Les modes de construction interne des unités sont associés à leur fonction syntaxique dans l’énoncé et à leur fonction référentielle dans le discours. On reconnaît là l’importance des théories de l’énonciation, qui constitue une spécificité de la linguistique française de la seconde moitié du xxe siècle.

2.2. TAL et traitement des unités lexicales complexes

  • 13 Dans les années 1950, Bar-Hillel (1955) est un des rares non-français à s’être posé la question de (...)

58Initié dans les années 1960, ce courant de recherche sur les unités lexicales complexes a donné lieu à des développements spécifiques en TAL. Il constitue ce qu’on appelle actuellement l’approche « structurale » de l’analyse des unités lexicales complexes, à laquelle s’est adjointe à partir des années 1990, avec la seconde étape de l’automatisation-mathématisation, une seconde approche dénommée « approche statistique » (Habert et Jacquemin 1993). Ces recherches, qui étaient spécifiquement françaises dans les années 1960, sont devenues internationales13.

59Le courant structural considère que l’identification des unités lexicales complexes est un préalable à tout traitement automatique, alors que le courant statistique considère cette identification comme accessoire. Toutes les approches du courant structural se rejoignent sur un certain nombre de points, comme la nécessité d’identifier les unités lexicales complexes, de les classer et de les stocker dans des dictionnaires avant d’envisager un traitement automatique, qui ne s’effectuera de toute façon que dans un second temps. Elles divergent selon l’importance donnée à l’analyse interne des unités, à la recherche de règles de formation et de construction ; selon la préférence donnée au traitement, morphologique ou syntaxique, de ces règles de construction ; selon le mode d’identification des groupes de mots considérés comme des données en langue, et listés a priori, ou bien devant être identifiés à l’aide de procédures automatiques. Pour la TA et en génération de texte, le problème se pose de trouver des équivalents dans la langue cible, ce qui, dans la plupart des cas, suppose de (re)construire les unités lexicales composées, et pose la question cruciale de non-compositionnalité du sens caractéristique des idiomes.

60Dans l’approche statistique, les expressions figées ne sont pas déterminées a priori mais localisées durant le traitement, et ne se voient attribuer de statut que dans un second temps. L’objectif de cette approche est d’étudier le fonctionnement lexical d’un texte ou d’un corpus à l’aide de méthodes statistiques. Toutes les approches de ce courant partagent une option commune : la priorité donnée au texte dans le cadre d’une analyse stylistique ou discursive. Le « mot » est l’unité de base, et c’est le fonctionnement des textes qui va décider si ces mots doivent être regroupés ou non grâce à la recherche de cooccurrences et de collocations. L’analyse interne des groupes de mots est considérée comme sans intérêt.

3. Formalisation, mathématisation et automatisation

61Les trois séries de travaux que nous avons regroupés dans ce chapitre ont élaboré des méthodes sémantiques pour rendre compte du transfert de sens dans la traduction automatique. Il est intéressant de voir que, chacun de son côté, ces projets ont abouti à des propositions de représentation du sens lexical, en opposition au tout syntaxique du modèle computationnel dominant de Bar-Hillel et Chomsky.

  • 14 La linguistique n’est pas du tout représentée à ce colloque, indice qu’elle occupait une place à p (...)
  • 15 Auroux (2009) distingue formalisation et mathématisation. Il propose deux définitions de la formal (...)

62Par ailleurs, ces travaux n’ont pas tous comporté de réflexion sur la mathématisation. C’est notamment le cas de Pottier. Dans ses travaux préparatoires à la TA, la dimension de l’automatisation sous forme algorithmique existe bien, et il présente certaines règles, notamment de désambiguïsation, à l’aide « d’ordinogrammes » (appelés « schémas », Pottier 1962b, p. 205). La question de l’automatisation avec ou sans mathématisation était un enjeu pour les sciences humaines à l’époque. On pense notamment à la position défendue par Gardin (Gardin et Jaulin 1968) dans son introduction des actes du colloque de 1966 sur la formalisation en sciences humaines14. Formalisation, selon lui, ne suppose pas calcul15. Et calcul ne suppose pas mathématiques. Gardin définit le calcul comme

[…] toute suite d’opérations enchaînées les unes aux autres selon des règles prescrites à l’avance pour former un raisonnement, un “calcul”, applicable à des données qualitatives, ou plus justement non-numériques, le trait commun dans les deux cas étant l’explicitation de toutes les étapes du processus. […] L’essentiel est de reconnaître cette tendance à une algorithmisation des procédures de recherche, dans des disciplines qui avaient hier encore la réputation de les négliger au profit de raccourcis intuitifs plus immédiatement profitables. (Gardin et Jaulin 1968, p. 8)

63Ce qui est mis au premier plan par Gardin, c’est l’explicitation de procédures « algorithmisées » à l’aide de règles sur des données discrétisées, sans qu’il y ait nécessairement calcul au sens mathématique (à savoir décomptages ou formalismes logico-mathématiques, algèbre de Boole, monoïdes libres). C’est ce que met en œuvre Pottier. Comme on l’a indiqué (chapitre 3), les procédures en linguistique étaient déjà mises en œuvre par les distributionnalistes américains depuis Bloomfield, bien avant l’automatisation. On peut dire qu’elles ont été « découvertes » par les linguistes français à l’occasion de la TA.

64Contrairement à ceux de Pottier, les travaux de Mel’čuk et du CLRU comportent une dimension formelle fondée sur des modèles mathématiques (la théorie des graphes pour le thésaurus, la grammaire générative et transformationnelle à composante lexicale pour le modèle sens-texte de Mel’čuk et Zholkovskij de 1970 [1967]). Dans les deux cas, formalisation et mathématisation sont associées. Pour Mel’čuk, il s’agit d’aménager un modèle existant, la grammaire générative et transformationnelle, afin qu’elle admette des transformations lexicales. Par exemple, il lui faut définir de nouveaux opérateurs.

65Le débat engagé entre Masterman et Bar-Hillel (Masterman et al. 1959), même s’il porte sur la formalisation logico-mathématique (à propos de la notion de langage « normal » notamment), interroge le rapport entre formalisation et langage. Pour Masterman, la formalisation n’est pas une caractéristique interne du langage, et elle ne doit donc pas être a priori. Elle vient dans un second temps comme mode de représentation. On ne peut pas dire que les travaux du CLRU aient abouti à de nouvelles formes de mathématisation des sciences du langage, une mathématisation intrinsèque (Auroux 2009) par laquelle sont créés de nouveaux concepts, indissociables de leur formulation mathématique. Mais il ne s’agit pas non plus de simples applications artificielles de modèles mathématiques sur des objets linguistiques. L’utilisation de la théorie des treillis par les membres du CLRU constitue une importation inédite d’un modèle mathématique dans les sciences du langage, puisqu’il s’agit de représenter le sens lexical sous forme de réseau, et que ces réseaux sémantiques constituent de nouveaux objets.

Notes

1 On notera que les Russes connaissaient les travaux britanniques (Mel’čuk 1961 ; Žolkovskij 1961), l’inverse n’étant pas vrai.

2 « Let it be remarked parenthetically that some of my speculations in this direction attach themselves to the earlier work of Kolmogoroff in Russia, although a considerable part of my work was done before my attention was called to the work of the Russian school. [Kolmogoroff A. N. 1941 « Interpolation und extrapolation von stationären Zufälligen Folgen » Bull. Ac. Sciences USSR ser. maths 5 3-14] (Wiener 1948, p. 11).
Traduction française (J. Léon) : Remarquons entre parenthèses que certaines de mes spéculations se relient aux premiers travaux de Kolmogoroff en Russie, bien qu’une part considérable de mon travail ait déjà été accomplie avant que mon attention ne soit attirée par les travaux de l’école russe.

3 Ce point, abordé dans Mindell et al. (2003), mériterait d’être approfondi.

4 Le brevet de Trojanskij et son algorithme figurent déjà en fac-similé dans l’article de Panov, Liapunov et Mukhin de 1956 (p. 27-34).

5 o est le morphème du nom en espéranto et -as est la marque du présent pour les verbes.

6 Pour un exposé détaillé de ces travaux voir Léon 2007a.

7 L’opérateur [:] marque une relation dyadique, par exemple un verbe transitif marqué par l’attente d’un sujet et d’un objet. Nude a une syntaxe qui a pu être considérée comme une préfiguration de la grammaire des cas : un verbe transitif est marqué pour un sujet et un objet.

8 Traduction des titres de ces revues en français : Problèmes de cybernétique et Traduction automatique et linguistique appliquée.

9 Les travaux respectifs sont relativement connus des deux côtés du rideau de fer. Un des pionniers de la TA, D. Ju. Panov, assiste à la première traduction sur ordinateur à New York. Les travaux russes en TA ou en documentation automatique sont traduits systématiquement par un service américain le Joint Publication Research Service (JPRS) dès 1956.

10 Voir Archaimbault et Léon (1997).

11 Il faut aussi citer, dans cet horizon de projection, les travaux de Ju. D. Apresjan sur la sémantique componentielle.

12 «  Les lexies sont de types différents. (A) groupement d’éléments nominaux. La valeur fonctionnelle résultative est celle de l’élément possédant la plus haute hiérarchie : plaque tournante : S + A= S » (Pottier 1962a, p. 64).

13 Dans les années 1950, Bar-Hillel (1955) est un des rares non-français à s’être posé la question de la traduction automatique des idioms pour les cas où le nombre d’unités formant le composé varie selon les langues, et lorsque le sens ne peut pas être traduit de façon univoque. En dehors de toute réflexion sur le lexique, sa seule suggestion de traitement est de constituer un dictionnaire d’idioms.

14 La linguistique n’est pas du tout représentée à ce colloque, indice qu’elle occupait une place à part dans les sciences humaines, dans ce milieu des années 1960. Par ailleurs des débats houleux opposent les linguistes structuralistes aux tenants de l’analyse documentaire et des catégories sémantiques universelles comme Gardin (voir chapitre 8 ci-dessous).

15 Auroux (2009) distingue formalisation et mathématisation. Il propose deux définitions de la formalisation : (i) la formalisation au sens strict, en tant que « mise en forme », « application au langage d’une forme qu’il ne possède pas » n’implique pas nécessairement la mathématisation ; (ii) au sens spécifique, la formalisation se définit comme l’« action de représenter un domaine d’objets par un système littéral nécessairement non univoque ». Il commente « littéral » dans une note de la façon suivante : « À dire vrai qu’il s’agisse de “lettre” ne paraît pas une nécessité : on pourrait remplacer A par “valise”, B par “terreur” et G par “vide”, mais pour que la substitution ait un sens il faudrait leur ôter toute signification, ou utiliser des espèces de mots qui fonctionnent justement comme des variables (“truc”, “machin”, “chose”). L’utilisation des lettres vient probablement de l’existence de l’écriture alphabétique. Il n’y a pas de formalisation dans les sociétés orales » (Auroux 2009, note 11 p. 25). Voir également la notion de formalisation faible proposée par Auroux (1998) – note 7, chapitre 5 ici même.

Table des illustrations

URL http://books.openedition.org/enseditions/docannexe/image/3742/img-1.jpg
Fichier image/jpeg, 22k

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