Introduction

1Le groupe de Linguistique Appliquée aux langues romanes (Université Autonome de Barcelone) élabore depuis quelques années un dictionnaire électronique à large couverture de l’espagnol, dans le but de décrire l’ensemble des unités lexicales simples (Blanco 2000 et 2001) et une grande partie des unités polylexicales. Le dictionnaire contient actuellement 1 038 861 formes fléchies et plus de 300 000 formes composées (unités lexicales contenant des séparateurs ou des blancs).

2Les différents projets auxquels le groupe participe ont un objectif commun dans la mesure où ils contribuent à enrichir le dictionnaire qui est à la fois le moyen et le résultat de la recherche en théorie linguistique.

3A l’heure actuelle, l’utilisation de tels dictionnaires sur de grands corpus textuels révèle un fait significatif : en règle générale, les formes inconnues proviennent de transformations syntaxiques ou de dérivations sémantiques appliquées à des unités linguistiques se trouvant déjà comme entrées du dictionnaire ; c’est pourquoi nous pensons que l’introduction d’informations syntactico-sémantiques dans la microstructure du dictionnaire est indispensable.

4Dans un premier temps, nous essaierons de donner un premier aperçu de la question, toujours dans le cadre de l’élaboration de notre dictionnaire, en signalant quelles sont les unités linguistiques qui pourraient être traitées de cette manière, et dans un deuxième temps nous nous centrerons sur le traitement des formes adjectivales.

5Afin d’implémenter convenablement cette approche linguistique, nous aurons recours à la nouvelle fonction « Analyzed tokens » d’INTEX’s 4.31. (Silberztein, 2003)

I. Observations préliminaires

6Nous pouvons dire, pour résumer, que l’élaboration d’un dictionnaire électronique en vue du traitement automatique du langage naturel se conçoit comme un processus dynamique qui implique, principalement, deux opérations :

Relever les nouveaux usages linguistiques constatés à partir de corpus textuels.
Ajouter cette nouvelle information aux entrées déjà recensées dans le dictionnaire.

7En d’autres mots, il s’agit de compléter soit la macrostructure soit la microstructure du dictionnaire.

8Cependant, ces deux opérations sont à notre avis interdépendantes dans la mesure où l’inventaire des entrées d’un dictionnaire orienté vers le traitement automatique des langues naturelles doit obligatoirement contenir des unités lexicales et pas seulement des formes. Étant donné que chaque forme est associée à un sens et à une combinatoire, ajouter une entrée suppose introduire également certaines informations microstructurelles. Ainsi, lorsque le lexicographe ajoute une nouvelle entrée pour le prédicat desmontar dans une phrase comme el jinete desmontó (démonter), il manie un certain nombre d’hypothèses sur la description microstructurelle qui lui permettent de distinguer cette même unité d’autres entrées, comme par exemple celles donnant lieu aux séquences desmontar un terreno (déblayer un terrain) o desmontar un fusil (désarmer un fusil).

9D’autre part, nous estimons que de nombreuses formes simples ne sont pas, du point de vue linguistique, des éléments de macrostructure mais de microstructure. En effet, il ne nous semble pas très pertinent d’introduire de façon systématique des formes régulières telles que inabatible, inatractivo, inacostumbrado, inactual… ou reacostumbrar, reaceptar, reacicalar... Toutes ces formes apparaissent dans les corpus textuels mais, paradoxalement, aucune d’entre elles ne se trouve dans les dictionnaires de l’espagnol. Il serait trop simple de conclure que les dictionnaires traditionnels sont incomplets sans nous interroger auparavant sur les raisons d’une telle omission…

10Enfin, un inventaire des formes simples de l’espagnol doit nécessairement rendre compte des plus de 2 millions de formes à pronoms clitiques telles que : léeselo, dámelo, acerquémonos… Il ne semble pas non plus approprié de tripler la taille de nos dictionnaires alors qu’en français ces formes, reliées au verbe par un trait d’union (donne-le-lui), sont absentes de la macrostructure. Il n’empêche qu’elles doivent être reconnues par le dictionnaire si nous prétendons réaliser des applications réelles de traitement automatique.

11Pour aborder ces questions, nous partons de l’idée que les formes ci-dessus sont le résultat de pronominalisations ou de dérivations à partir d’entrées existantes. Notre point de vue a deux avantages : en premier lieu, il nous permet de décrire ces phénomènes de façon élégante car le dictionnaire ne se voit pas affecté par l’introduction d’un nombre disproportionné d’entrées calculables. En second lieu, un tel procédé enrichit l’information micro-structurelle des entrées existantes et renforce la cohérence de la description linguistique. Il est évident que des moyens informatiques nous permettant de reconnaître de telles formes dans les textes et ce, de façon parallèle à l’application du dictionnaire, sont nécessaires.

II. Formes simples de microstructure

12Il serait prématuré, dans le cadre de notre recherche, de prétendre spécifier exactement quelles formes linguistiques devraient être traitées comme faisant partie de la microstructure et ajouter ensuite les raisons d’un tel choix. Nous aborderons ici, à titre d’illustration :

Les formes clitiques.
La morphologie dérivationnelle productive (notamment, les préfixes).

13Nous présenterons d’abord le cas des formes clitiques et nous aborderons ensuite la morphologie productive dans le cadre de la formation des adjectifs en espagnol.

14Dans ces derniers cas, les significations activées concernent l’actualisation, c’est-à-dire, correspondent à des significations grammaticale1 (e. g. coordonnées spatio-temporelles, quantification, aspect, modalité, voix, etc.).

15Rappelons que les significations grammaticales se distinguent des significations lexicales par les propriétés suivantes :

Elles sont minoritaires dans une langue donnée.
Elles forment un ensemble quasi-fermé.
Elles sont peu liées à la réalité extralinguistique.
Elles sont quasi-systémiques.

1. Les formes clitiques

16En espagnol, les verbes peuvent prendre des pronoms clitiques post-verbaux qui apparaissent attachés au verbe à l’impératif, à l’infinitif et au gérondif2. Les clitiques de l’espagnol correspondent dans la plupart des cas à la pronominalisation du deuxième ou du troisième actant syntaxique du verbe, ce qui signifie que leur description dépendra de la distribution de chaque prédicat verbal.

17Étant donné que la pronominalisation d’un argument est surtout une propriété transformationnelle du verbe, il semble naturel de traiter les clitiques avec des transducteurs à états finis qui utilisent des variables pour classer les parties de séquences reconnues et qui permettent d’associer des informations linguistiques aux séquences. Dans le cas du traitement automatique, il serait particulièrement adéquat d’envisager ce phénomène comme une séquence d’unités (dárselo = le lui donner).

18La génération et la reconnaissance des formes clitiques deviennent possibles à partir du moment où la microstructure du dictionnaire contient parmi les informations concernant le prédicat, le nombre de compléments que celui-ci peut prendre et le comportement de ces mêmes compléments par rapport à la pronominalisation.

19Le paradigme de flexion des verbes nadar (nager), observar (observer) et comprar (acheter) nous permettra d’illustrer la démarche à suivre.

20Dans un premier temps, nous ne voulons pas générer des formes clitiques pour le lemme nadar étant donné qu’il s’agit d’un verbe intransitif (quelqu’un nage). Pour le lemme observar, nous ne pouvons générer qu’une seule forme clitique puisque le schéma d’arguments de observar comprend uniquement deux actants (quelqu’un observe quelqu’un ou quelqu’un observe quelque chose). Quant au verbe comprar, il faudra générer les deux formes clitiques puisque ce verbe prend trois actants syntaxiques (quelqu’un achète quelque chose à quelqu’un). Or, il arrive souvent que certains phénomènes linguistiques entraînent l’apparition de formes inattendues.

21En effet, la combinaison du verbe nadar avec un complément défini (nadar los 100 metros braza) est à l’origine d’une séquence comme nadarlos en 1 : 06. Nous ne pouvons donc pas écarter ce genre de phénomènes, ni même avec les verbes intransitifs prototypiques comme llover (pleuvoir) car des énoncés du type : empezaron a lloverme ofertas (J’ai commencé à recevoir une pluie d’offres) sont parfaitement possibles. Le datif éthique peut également être à l’origine de formes comme obsérvamelo, míramelo, búscamelo… De même, les verbes à trois compléments deviennent ambigus car cómpraselo peut signifier acheter quelque chose à quelqu’un ou bien acheter quelque chose pour quelqu’un. Et l’interprétation la « moins syntaxique » sera probablement la plus fréquente !

22Cependant, ces apparents contre-arguments ne font que renchérir sur une idée déjà bien connue : la nécessité de détailler l’information de microstructure dans le but de définir le paradigme du prédicat. C’est pourquoi les unités lloverme ou nadarlos peuvent être reconnues à condition d’être associées aux verbes supports llover et nadar3.

23Pour le moment, le fait que nous traitions la combinaison de cinq formes verbales – celles de l’impératif, de l’infinitif et du gérondif – avec une liste prédéterminée de clitiques pour chacune des formes fléchies implique une amélioration de la capacité de reconnaissance du dictionnaire. Progressivement, nous introduirons des restrictions pour certaines classes sémantiques de verbes (comme par exemple4 : nevar, tronar, *niévame, *truénalo).

24Du point de vue graphématique, il est nécessaire de résoudre le problème de l’accent des formes construites car l’addition de clitiques d’une ou de deux syllabes peut modifier la structure accentuelle de l’unité. En espagnol, un mot peut être oxyton, paroxyton ou proparoxyton en fonction de l’endroit où se trouve la syllabe tonique, c’est à dire, respectivement sur la dernière (melón, señor), sur l’avant-dernière (lápiz, luna) ou sur l’antépénultième syllabe du mot (pétalo). La marque de l’accent graphique des mots oxytons ou paroxytons dépend de certaines règles orthographiques mais celle des mots proparoxytons est obligatoire.

25Considérons maintenant les verbes suivants :

Canta (una canción)
Da (un libro a Ana)

26La syllabe en caractères gras correspond à la syllabe tonique du verbe, même si l’accent graphique n’apparaît pas. Si nous remplaçons les compléments à l’impératif par les clitiques correspondants, l’accent tonique tombera sur l’antépénultième syllabe, qui devra donc porter la marque de l’accent :

Cántala
Dáselo

27Cela signifie qu’il faut prévoir les graphes correspondant aux éventuelles modifications accentuelles des séquences comportant une forme verbale fléchie en combinaison avec des pronoms clitiques. Pour cela, il faudrait créer les codes correspondant à ces mêmes modifications et introduire cette information dans le dictionnaire des formes fléchies5.

2. Morphologie adjectivale en espagnol

28Nous présenterons par la suite un exemple de productivité morphologique concernant les adjectifs de l’espagnol. Nous pouvons établir différents principes de classement à l’intérieur de cette même catégorie.

29Ainsi, certains adjectifs pourront se distinguer d’après leur forme, et l’on aura ainsi :

Des adjectifs simples : rojo (rouge), próximo (prochain).
Des adjectifs composés : de buen humor (de bonne humeur).

30Et certains dérivatèmes dont l’expression lexicale est rendue par un adjectif : neozapatistas (neozapatistas) = nuevos zapatistas.

31D’autres adjectifs se distinguent d’après leur fonctionnement syntactico-sémantique, comme dans les cas de figure ci-dessous :

Les adjectifs prédicatifs d’état comme rojo (rouge), enfermo (malade)…
Les adjectifs prédicatifs d’action comme exportadora dans la empresa exportadora del producto (l’entreprise exportatrice de ce produit).
Les adjectifs argument comme presidencial dans el viaje presidencial (le voyage présidentiel).
Les adjectifs faisant partie d’une suite figée : literatura juvenil (littérature pour jeunes enfants).
Les adjectifs traduisant des significations grammaticales :
próximo (prochain), simultáneo (simultané)…

32Les mécanismes de reconnaissance que nous allons utiliser font partie de ce qu’on pourrait appeler la « morphologie préventive » dans le mesure où, comme nous le verrons par la suite, le but est de mettre en place une heuristique qui aide à l’analyse des formes non reconnues par le dictionnaire. Nous nous centrerons donc sur le traitement lexicographique et sur la « prévention » des procédés de dérivation concernant la catégorie adjectivale. Ces procédés concernent notamment :

Les adjectifs déadjectivaux créés par suffixation ou préfixation pour exprimer certaines significations grammaticales sémantiques, comme l’intensité dans feísimo, superfeo, feucho, feíto…
Les adjectifs dénominaux et déverbaux, avec un sens grammatical syntaxique (e. g. presidencial, exportadora…) ou sémantique (e.g. comprimible…).
Les noms combinés avec des affixes dont le sens grammatical est exprimé lexicalement à travers des formes adjectives comme maxibolso, minibolso, bolsito, bolsazo…
Les noms comme arrugas ou cucarachas agissant comme modificateurs de surface d’un autre nom, uniquement lorsqu’ils prennent certains préfixes : crema antiarrugas, veneno anticucarachas…

III. Traitement lexicographique des formes reconnues

33Nous disposons d’une liste de 300 000 unigrammes (présents sur des pages Web en espagnol) non reconnus par nos dictionnaires, et qui ont une fréquence d’apparition sur le Web supérieure à 70. Après avoir révisé manuellement ces formes, nous constatons qu’une partie importante – 70 000 exactement – appartient à la langue espagnole. La majorité sont des noms et des adjectifs construits morphologiquement par dérivation régulière, conformément aux procédés que nous avons mentionnés antérieurement. La fonction « analyzed tokens » du système INTEX analyse les formes représentées dans le graphe et compilées dans un transducteur à états finis (FST)6. Dit d’une autre façon, la représentation formelle des combinaisons dérivationnelles possibles permet d’analyser et de reconnaître les formes construites à partir des unités composant les entrées du dictionnaire.

34Une fois ces formes reconnues, nous constatons l’existence de trois types de construction exigeant un traitement lexicographique différent. Nous exposons dans ce qui suit la procédure suivie.

35En premier lieu, le sens de mots comme minigolf, preescolar, microinformática, multimillonario, continuista, etc. n’est pas calculable uniquement à partir du sens de ses constituants. S’il en était ainsi, un adjectif tel que preescolar comprendrait le dérivatème temporel pre- avec une valeur d’« antériorité » ajouté au sens grammatical syntaxique d’adjectivation (A₀)7 uni au sens de la base escuela. Cependant, le sens de cet adjectif contient un apport sémantique complémentaire pouvant plus ou moins signifier « antérieur à l’étape de scolarité obligatoire ». Nous sommes donc en présence de formes lexicalisées avec un sens et une combinatoire idiosyncrasiques et que l’on doit intégrer dans la macrostructure du dictionnaire avec le reste des unités lexicales simples.

36Deuxièmement, les adjectifs dénominaux et déverbaux correspondant à des transformations syntaxiques (e.g. labor campesinal, proyecto aznarista, estudio daliniano, etc.) font actuellement partie de la macrostructure du dictionnaire. Or, étant donné qu’il s’agit de transformations syntaxiques sans ajout de sens, ces entrées renvoient à l’information lexicographique qui se trouve dans la microstructure du lemme nominal ou verbal correspondant à la base de l’adjectif. Il faut souligner le fait que la dérivation syntaxique actuelle ne se fait plus sur des radicaux supplétifs (e. g. paternal > padre) mais directement sur le radical, ce qui réduit énormément les contraintes morpho-phonologiques. Malgré l’utilisation répétée des mécanismes dérivationnels, c’est dans le domaine de la terminologie que ce type de dérivation adjectivale est le plus productif. En principe, les adjectifs de telles constructions intègrent un groupe nominal complexe :

operador de máquina (extrusora + envasadora + filigranadora…) infección (intraventricular + intracraneana + intraarterial…)

37Même si nombre de ces constructions semblent sémantiquement et syntaxiquement analysables, les considérer comme des syntagmes nominaux impliquerait l’implémentation de nombreuses règles transformationnelles capables de rendre compte de tous les comportements imprévisibles pouvant apparaître dans ce genre de productions régulières homogènes seulement en apparence.

38Les syntagmes ci-dessous le démontrent dans la mesure où, à côté de constructions avec un adjectif dénominal qui admettent la paraphrase en de N, on trouve des séquences qui admettent uniquement le complément prépositionnel. D’autre part, certains adjectifs dénominaux acceptent la dérivation supplétive de deux racines distinctes alors que dans les autres cas, seul un radical est admis.

cirujía (nasal + de la nariz + bucal + de la boca + oftalmológica + ocular + mamaria + *pectoral +…)
cirujía de (la columna + los párpados + la mano +…)

39Pour toutes ces raisons nous considérons ces constructions terminologiques comme des unités polylexicales qui feront partie de la macrostructure du dictionnaire des formes composées. La reconnaissance automatique des adjectifs intégrant de tels modèles récursifs nous permettra de compléter chacun des paradigmes syntactico-sémantiques susceptibles de générer une entité terminologique.

40Finalement, nous trouvons des dérivés de base nominale ou adjectivale dont les dérivatèmes expriment des significations grammaticales sémantiques ; c’est le cas de riquísimo, intrahospitalario, postelectoral, ex-alcalde, etc. Le sens de chacune de ces constructions peut se calculer à partir du sens de la base et du sens grammatical ajouté (intensité, localisation, temps, etc.).

41D’autre part, nombreux sont les dérivatèmes sémantiques présentant un comportement collocationnel, et se rapprochent ainsi des fonctions lexicales. Dans certains cas, en effet, le choix de tel ou tel affixe pour exprimer un sens donné est déterminé par la base avec laquelle il se combine. Il est difficile alors d’expliquer à l’aide d’arguments phonologiques ou sémantiques l’acceptabilité du suffixe avec certaines bases : listorro, feorro, tontorro, tristorro, inteligentorro… mais *calvorro *guaporro, *gordorro… De la même manière, les préfixes super-, hiper- ou archi- ajoutent un sens intensif aux bases qu’ils accompagnent dans superfeo, hiperfeo, archifeo, superfamoso, hiperfamoso, archifamoso, même si avec d’autres bases comme amigos o loco surgissent des incompatibilités, de telle sorte que nous acceptions sans aucun doute superamigos et superloco mais plus difficilement ?hiperamigos, ?hiperloco ou ?archiamigos, ?archiloco. Ce comportement des dérivatèmes les rapproche beaucoup des constructions collocationnelles (semi-phrasèmes) du type amigos íntimos ou loco de atar.

42L’introduction de telles informations grammaticales dans la microstructure du dictionnaire aura comme résultat une plus grande cohérence dans la description linguistique, car cela nous permet de présenter conjointement n’importe lequel des moyens linguistiques (dérivatèmes et opérateurs lexicaux de nature plus ou moins collocationnelle) susceptibles de véhiculer un sens grammatical déterminé pour une même unité lexicale. Mais, en attendant d’avoir la description complète des unités, les automates deviennent des outils indispensables qui nous permettent d’avancer des hypothèses sur les nouvelles formes construites. Toutefois, l’analyse et la reconnaissance des formes nouvelles ne peuvent se faire sans l’introduction de certaines restrictions pour chacune des combinaisons possibles aussi bien au niveau de la morphologie que de la sémantique.

IV. Désambiguïsation des formes dérivationnelles

43Un aspect à prendre en compte lors de l’implémentation des graphes de reconnaissance est en relation avec la polysémie des formes morphologiques dérivationnelles. En effet, comme c’est le cas avec les formes lexicales, une même forme morphologique peut adopter des sens différents en fonction de ses différentes combinatoires. Prenons quelques exemples avec le préfixe extra- :

1. secado extrarápido (séchage extrarapide)
2. café extradulce (café extradoux)
3. tratamientos extrahospitalarios (soins extrahospitaliers)
4. un motivo extra-académico (un motif extra-académique)

44Il s’ensuit des exemples précédents que ce préfixe peut rendre des significations différentes car dans les séquences a et b il peut se traduire par « très » (secado muy rápido et café muy dulce) alors que dans la séquence c, il a une signification locative (tratamiento fuera del hospital) et dans l’exemple d, une signification négative (motivo no académico)8. Il est donc indispensable de décrire les restrictions du préfixe afin de cerner la signification correcte pour chaque contexte et de prévoir des automates capables de fournir des hypothèses raisonnables. D’après les contextes des exemples ci-dessus nous pouvons conclure que le préfixe extra- a une signification intensive quand il précède un adjectif prédicatif, une signification locative quand il précède un adjectif qui correspond à un complément locatif du nom prédicatif qu’il modifie et une signification négative quand l’adjectif avec lequel il se combine n’est pas un argument mais un classifieur du nom abstrait qu’il accompagne (normalement, motif, problème, question, thème…).

45De même, le suffixe -azo indique la mesure quand il est attaché à un nom concret (a), l’intensité avec les noms abstraits statifs (b) et l’évaluation avec les noms d’événements organisés (c) mais aussi avec les noms humains de professions ou de fonctions (d)9 :

unas orejazas (de grandes oreilles)
¡qué miedazo ! (très peur)
un partidazo (un bon match)
un padrazo (un bon père)

46Avant de conclure, nous présenterons une ébauche de classification des significations sémantiques et syntaxiques les plus productives en espagnol, et liées à la catégorie adjectivale telle que nous la concevons (N.B. pour des raisons d’espace, les tableaux ne sont pas complets).

1. Significations grammaticales sémantiques

a. Localisation

b. Temps

c. Quantification numérique (échantillon)

d. Quantification non numérique (échantillon)

e. Comparaison

f. Evaluation

g. Polarité (échantillon)

h. Modalité

i. Actitif

j. Oppositif

k. Partisan de Y (échantillon)

l. Coopératif

2. Significations grammaticales syntaxiques

Conclusion

47Tout au long de cet article, nous avons essayé de montrer que, dans le cadre de l’élaboration de dictionnaires électroniques, certaines formes simples (dáselo, buenísimo, …) devraient être traitées en tant que membres d’un paradigme transformationnel et faire partie, par conséquent, des informations de microstructure. D’un autre côté, leur introduction dans la macrostructure du dictionnaire présente un inconvénient : elle nous oblige à augmenter le nombre d’entrées du dictionnaire d’une façon démesurée alors que la plupart de ces formes sont prévisibles.

48Toutefois, une telle démarche ne peut être envisagée sans avoir recours aux informations sémantiques. En effet, les deux phénomènes présentés ici (la pronominalisation clitisée et la morphologie adjectivale) montrent que la description des structures prédicat-argument est indispensable non seulement pour reconnaître la pronominalisation de certains arguments mais aussi pour prévoir les relations qui s’établissent entre les adjectifs dérivés syntaxiques et le nom prédicatif qu’ils modifient. De plus, la désambiguïsation des formes dérivationnelles est liée à la description sémantique du lexique et on ne peut faire des hypothèses raisonnables sur la signification d’un dérivatème sans tenir compte de la classe sémantique du nom ou de l’adjectif avec lequel il se combine.