Gérer des données terminologiques

1Lorsque le terminographe a amassé les données terminologiques dont il a été question dans les chapitres 5, 6 et 7, il peut les placer dans un environnement qui facilitera leur gestion.

2Le présent chapitre porte sur les techniques dont la fonction principale consiste à structurer les données terminologiques, c’est-à-dire à les ordonner d’une manière régulière et systématique. Elles sont mises à contribution pour préparer la description des termes et pour la diffuser lorsqu’elle est finalisée.

3Le recours au support électronique pour gérer les termes et les données associées remonte aux années 1960. En fait, les terminographes se sont tournés vers le support électronique bien avant les lexicographes, comme le soulignent Martin et Van Der Vliet dans la citation reproduite au début du chapitre. Ce recours s’explique par la masse de données à traiter dans certains organismes, mais également par la nature des termes qui semblent bien se prêter à un encodage rigoureux et systématique. Le support électronique a même fortement teinté les techniques de description des données terminologiques dans les répertoires spécialisés, puisque normes d’encodage et support informatique allaient presque toujours ensemble.

4Aujourd’hui, la description peut être publiée sur papier ou diffusée en format électronique. Mais dans un cas comme dans l’autre, les données transitent toujours par un environnement informatique.

Les conditions

5Différentes techniques sont mises à contribution pour structurer les données et, bien qu'elles se différencient sur certains plans, elles reposent toutes sur quelques conditions fondamentales qui font l’objet de la présente section.

6D’abord, les données à structurer doivent porter sur une même catégorie d’objets. Par exemple, les données terminologiques qui apparaissent dans un dictionnaire spécialisé ou une banque de terminologie concernent des termes. De même, les données qui apparaissent dans une bibliographie concernent des ouvrages.

7Ensuite, ces données doivent être suffisamment apparentées, c’est-à-dire apparaître en nombre identique et être de même nature. Normalement, cette condition est satisfaite en ce qui concerne les termes. Un dictionnaire spécialisé retient les mêmes renseignements et les répète pour l’ensemble des entrées.

8La figure 8.1 montre comment les termes sont décrits dans un vocabulaire d’Internet (internet 1997). Ils sont accompagnés d’un certain nombre de données descriptives, à savoir des synonymes ou des termes apparentés, des équivalents français et l’information grammaticale qui s’y rattache, une définition et une note. Les données sont régulières et toujours présentées dans le même ordre.

9Le principe de la répétition des données et de la régularité de la description s’applique également aux listes dans lesquelles on décrit des ouvrages. La figure 8.2 montre la première partie d’une bibliographie (il s’agit d’entrées de la bibliographie apparaissant à la fin de ce manuel). Chaque entrée précise le nom du ou des auteurs, l’année de publication, le titre, le lieu et la maison d’édition. Les informations—les données bibliographiques—sont toujours présentes et fournies dans cet ordre.

figure 8.1. Termes décrits dans un vocabulaire d’Internet (INTERNET 1997)

figure 8.2. Description d’ouvrages dans une bibliographie

10Toutefois, la structure des données terminologiques et bibliographiques, reproduite aux figures 8.1 et 8.2, n’est pas conçue pour être directement exploitée par un outil informatique. Il est vrai qu’elle est matérialisée par un jeu de codes typographiques. Par exemple, l’équivalent français des entrées terminologiques est signalé par des caractères gras. De même, Tannée de publication de la bibliographie est placée entre parenthèses. Toutefois, Tunique fonction de ces conventions typographiques est de permettre au lecteur de repérer rapidement le renseignement qui l’intéresse.

11Dans ces deux premiers exemples, les données terminologiques et bibliographiques ne sont pas individualisées formellement. Les différentes méthodes que nous examinons dans les sections qui suivent permettent précisément de réaliser cette organisation formelle.

Environnement « contraint » : le système de gestion de bases de données

12Le support informatique traditionnellement utilisé pour stocker et gérer les données terminologiques et bibliographiques est la base de données. La base de données recueille et organise de l’information sur des objets logiquement reliés. Elle est pilotée par un système de gestion de base de données (SGBD), c’est-à-dire un ensemble de programmes conçus pour créer les bases, les gérer et les interroger.

13La structure de données définie dans une base accueille les renseignements accompagnant une entrée dans un modèle uniforme pour chaque entrée. Elle comporte un certain nombre de champs qui recevront les données de nature différente. Ces renseignements sont ainsi identifiés de manière précise et séparés du reste.

14L’ensemble des champs communs à une entrée constitue un enregistrement. La figure 8.3 montre comment structurer formellement les données terminologiques de la figure 8.1. Une partie des données bibliographiques est présentée à la figure 8.4.

15La structuration en champs entraîne des modifications par rapport à la présentation plus classique reproduite aux figures 8.1 et 8.2.

figure 8.3. Structure de données pour des termes d’Internet (INTERNET 1997)

• Il n’est plus nécessaire de préciser la nature des données dans chaque entrée (par exemple, Quasi-syn. ou Note.—), puisque c’est l’intitulé du champ qui en rend compte. Par ailleurs, les conventions typographiques ont disparu, puisqu’elles sont désormais inutiles, du moins pour exploiter les données.

• Un système de renvois (home net box, syn. de internet box) devient inutile ainsi que la duplication de certains termes puisque toutes les données deviennent accessibles à partir d’un seul point.

• Il n’est plus nécessaire, dans le cas d’un dictionnaire bilingue comme celui que nous avons utilisé jusqu’à maintenant, de prévoir un index des termes français qui reporte l’utilisateur à l’entrée anglaise, puisque les termes français sont directement accessibles à partir de cette structure.

• L’ordre canonique des données n’est pas important ou, du moins, il n’est pas significatif. Il peut varier en fonction des besoins.

16Par ailleurs, comme les données sont placées dans des champs et isolées les unes des autres, elles sont toutes exploitables directement.

17D’abord, les champs se prêtent à différentes formes de permutation. Par exemple, le tri des données peut se faire à partir du terme anglais, mais également à partir du terme français ou de l’indication de domaine. De même, les données bibliographiques sont présentées à la figure 8.4 en fonction de leur année de publication, mais une organisation à partir du premier auteur ou de l’éditeur est facilement envisageable.

figure 8.4. Structure pour des données bibliographiques

18Une structure de données pré-établie peut aussi donner heu à de multiples sous-ensembles plus petits. Cette fonctionnalité est particulièrement utile pour la diffusion définitive des articles terminographiques. La base originale contient souvent une foule de renseignements qui ne sont pas tous diffusés. Par exemple, on peut décider de ne retenir que les champs {entrée anglaise} et {entrée française} ainsi que la {définition} et de ne pas tenir compte de la note. De même, on peut extraire toute l’information se rapportant aux termes français et omettre les renseignements rattachés à l’anglais.

19Par ailleurs, une première structure peut faire l’objet d’enrichissements multiples sans qu’il y ait besoin de la reprendre dans sa totalité. Par exemple, l’ajout de données relatives à une troisième langue peut se faire ultérieurement sans que cela affecte en profondeur l’organisation d’une première structure.

20Enfin, chacun des champs peut faire l’objet d’une recherche. Ainsi, dans l’exemple de la figure 8.3, les entrées descriptives sont accessibles à partir des champs {entrée anglaise}, {quasi-synonyme anglais}, {entrée française}, {quasisynonyme français} et même à partir de la {définition} ou de la {note}. Par ailleurs, les possibilités de recherche dans un environnement informatique sont plus nombreuses que dans un répertoire papier. Nous en donnons un aperçu ci-dessous (une partie des techniques de recherche a été abordée au chapitre 5, puisqu’elles s’appliquent également à la recherche dans les corpus).

• Recherche à l’intérieur d’un champ au moyen de la troncature symbolisée par * : par exemple, quelles sont les définitions {définition} qui contiennent *Web* ? Réponse : « Connexion effectuée sur un serveur Web pour consulter un document html » et « Page d’accueil d’un document Web qui est automatiquement affichée quand on lance un navigateur Web ».

• Recherche d’entrées correspondant à deux critères au moyen de l'opérateur et : par exemple, quel est le hit qui correspond au français occurrence (hit dans {terme anglais} et occurrence dans {terme français}) ? Réponse : hit (315).

• Recherche de deux critères et affichage des entrées qui correspondent soit au premier, soit au second, au moyen de l'opérateur ou : par exemple, quelle est l’entrée qui renferme console internet dans {entrée française} ou dans {quasi-synonyme français} ? Réponse : internet box (317).

Environnements « flexibles » : documents structurés

21L’organisation des données terminologiques se fait de plus en plus souvent dans des documents structurés réalisés au moyen de langages de structuration de documents plutôt que dans les bases de données à proprement parler. Deux langages ont tendance à s’imposer, à savoir le Standard Generalized Markup Language (sgml) — qui est une norme de l’International Standardisation Organization (iso) émise en 1986 — et l'extensible Markup Language (xml) qui est un dérivé plus récent du sgml.

22Les documents structurés partagent beaucoup de points communs avec les bases de données lorsqu’ils sont utilisés pour organiser les termes. Nous énumérons ci-dessous les principales similitudes.

• La description prévue est reprise systématiquement pour l’ensemble des entrées.

• Les données sont signalées et distinguées au moyen de champs.

• Toutes les données distinctes peuvent faire l’objet d’une exploitation comme une extraction ou une recherche.

23La différence entre les documents structurés et les bases de données réside principalement dans le fait que c’est dans le texte lui-même et non dans des cellules fermées que les « champs » sont signalés. Ceux-ci sont marqués au moyen de balises. Les figures 8.5 et 8.6 montrent comment les données terminologiques et bibliographiques reprises depuis le début de ce chapitre sont structurées au moyen de balises simplifiées. Pour produire un document structuré, le terminographe insère lui-même des balises ou a recours à un éditeur conçu pour les gérer.

24Ce nouveau type de structuration se distingue toutefois des bases de données sur un certain nombre de plans. Les différences principales sont les suivantes : • Longueur variable des champs : Dans une base de données, la taille prévue pour un champ est valable pour la totalité de la structure. L’espace inoccupé est tout de même réservé. Un document structuré peut contenir des champs d’une longueur très variable tout en demeurant exploitable.

• Présence ou absence de certains champs : La structure prévue dans une base de données pour accueillir des descriptions terminologiques ou des descriptions bibliographiques est reproduite dans sa totalité et avec toutes ses caractéristiques pour l’ensemble des entrées. Ainsi, si une entrée ne fait pas appel à un champ, ce dernier reste vide, mais est tout de même réservé. La figure 8.3 illustre un problème de ce genre. Le champ {quasi-synonyme} est prévu dans la structure, mais n’est occupé que dans le quatrième enregistrement. Un document structuré, bien qu’il doive contenir des champs réguliers, peut très bien omettre une catégorie de données dans un certain nombre d’entrées sans que cela nuise à la cohérence de l’ensemble.

• Hiérarchisation de certains champs : L’intérêt principal des documents structurés est la possibilité de hiérarchiser les champs. Un champ peut en contenir d’autres qui lui sont subordonnés. Les figures 8.5 et 8.6 donnent quelques exemples de hiérarchisation. La balise <entrée française> contient deux sous-entrées, soit <entrée principale française> et <information grammaticale françaises> De même, la balise <auteur> est subdivisée en <prénom> et <nom>.

25L’organisation hiérarchique se prête à de nombreuses autres extensions. Nous en donnons un nouvel exemple ci-dessous.

26La figure 8.7 montre comment l’information apparaissant à la suite de la balise <définition> est subdivisée en secteurs plus précis. Par exemple, des sous-balises <hyperonyme>, <méronyme>, <holonyme> et <fonction> isolent des fragments spécifiques à l’intérieur de l’énoncé définitoire.

figure 8.5. Structuration de données terminologiques au moyen de balises

figure 8.6. Structuration de données bibliographiques au moyen de balises

27Les champs ainsi hiérarchisés peuvent faire l’objet d’exploitations particulières. Par exemple, l’examen des définitions contenant un champ <holonyme> au moyen d’une requête comme « Quels sont les entrées dont l’holonyme est système d’exploitation ? » ramènerait répartiteur et d’autres termes dont la définition comporte ce terme défini comme holonyme.

28De même, il devient possible de localiser tous les termes dont un des méronymes est poste de lecture. Pour arriver à ces résultats dans un système de gestion de base de données comme celui qui a fait l’objet de la section précédente, les informations pertinentes doivent être reproduites dans de nouveaux champs.

figure 8.7. Subdivision des éléments dans une définition

L’environnement hypertexte

29Les dictionnaires publiés sur cédérom ou diffusés dans le Web représentent souvent les données terminologiques au moyen d'hyperliens. En outre, les systèmes de gestion de bases de données et les documents structurés peuvent les intégrer facilement.

30L’hyperlien sert à lier formellement deux composantes textuelles. Ces dernières peuvent se trouver dans deux documents différents ou dans des parties éloignées d’un même document.

31Ce principe est exploité de différentes manières pour représenter les données terminologiques. Soulignons toutefois qu’il ne permet pas une véritable gestion des données, mais un accès rapide aux liens établis préalablement par le terminographe. Il est surtout utile pour la diffusion finale des descriptions terminographiques.

32Le plus souvent, l’hyperlien met en correspondance un index et les articles qui présentent la description des termes. La figure 8.8 montre comment les entrées de la lettre B sont affichées après une sélection faite par l’utilisateur.

figure 8.8. Hyperliens entre un index et les entrées d'un dictionnaire spécialisé

33La figure 8.9, quant à elle, montre comment les termes contenus dans des définitions sont reliés, au moyen d’hyperliens, aux articles où ces termes sont définis. On reconnaîtra les définitions citées plus haut.

figure 8.9. Hyperliens dans les définitions

Environnements spécialisés : logiciels de terminologie et banques de terminologie

34Les terminographes ont souvent recours, pour structurer les données terminologiques et les gérer, à des logiciels spécialisés commerciaux appelés logiciels de terminologie. Ceux-ci ne différent pas, du moins en ce qui concerne leurs principes de fonctionnement, des environnements dont nous venons de parler puisqu’ils en constituent des spécialisations. Ils adaptent des fonctionnalités propres aux systèmes de gestion de bases de données et aux documents structurés afin de faciliter le travail du terminographe. Ce dernier se concentre sur la saisie des données et sur leur organisation plutôt que sur la manipulation de structures ou de requêtes complexes.

35Il existe une multitude de logiciels de terminologie commerciaux et chacun présente des particularités. Toutefois, d’une manière générale, ils comportent des structures préconstruites ou adaptées à la gestion de données terminologiques. Par exemple, l’utilisateur, plutôt que de construire une structure de données de toutes pièces, sélectionne des champs à partir d’une liste. Ce scénario est reproduit à la figure 8.10.

36D’autres fonctionnalités viennent généralement faciliter le travail du terminographe. Par exemple, des requêtes et des formulaires d’impression déjà construits lui sont proposés.

37La prise en charge en amont des fonctions liées à la gestion des données terminologiques présente un avantage indéniable puisqu’elle facilite grandement l’utilisation du logiciel. Toutefois, dans certains contextes, une définition trop rigide peut vite devenir un problème. Il est parfois difficile de modifier en profondeur des structures de données déjà proposées ou de créer des modèles de requêtes qui n’ont pas été prévues.

figure 8.10. Sélection de champs dans un logiciel de terminologie

38Il arrive également que des organismes publics ou privés disposant d’un service de terminologie, de traduction ou de rédaction conçoivent eux-mêmes leur outil de gestion et d’organisation des données terminologiques. Dans ce contexte, le terminographe est appelé à alimenter une banque de terminologie prédéfinie.

39La structure de données est imposée et les terminographes doivent enrichir la banque en souscrivant à un protocole établi. C’est ce qui se produit dans les services chargés d’alimenter des banques de terminologie largement diffusées, comme le GDT, TERMIUM et EURODICAUTOM.

Environnements intégrés : extraction et gestion de données terminologiques

40Il arrive qu’un outil conçu pour gérer les données terminologiques soit intégré à un environnement dans lequel se trouvent d’autres outils informatiques, par exemple, un concordancier ou extracteur de termes.

41Yvanhoé, un environnement de rédaction de fiches utilisé au Bureau de la traduction du Gouvernement canadien, amalgame un concordancier et un module de préparation d’articles terminographiques. Le terminographe marque, dans des textes bilingues, les termes qui l’intéressent. Il peut également récupérer, s’il le souhaite, les phrases dans lesquelles les termes apparaissent. Yvanhoé gère lui-même toutes les questions relatives à la notation des sources.

42Adepte-Nomino—un autre modèle du genre—comprend un extracteur de termes, un concordancier et un système de gestion de bases de données. L’extracteur propose d’abord une liste de candidats-termes qui peuvent, par la suite, faire l’objet d’une recherche dans le corpus au moyen du concordancier. Enfin, le terminographe copie un candidat ou un contexte directement dans une sorte de fiche de travail. La figure 8.11 illustre les diverses composantes de l’environnement Adepte-Nomino.

Les modèles d’encodage des données terminologiques

43Peu importe la technique à laquelle il aura recours, à savoir un système de gestion de bases de données, un modèle de document structuré ou, encore, un environnement spécialisé, le terminographe doit définir une structure qui servira à représenter le mieux possible les données terminologiques dont il veut rendre compte.

figure 8.11. Environnement intégré : extracteur, concordancier, système de gestion de bases de données

44Il importe en tout premier lieu de distinguer les données elles-mêmes des catégories de données. Les données sont les informations spécifiques rattachées à l’objet décrit. Par exemple, n. m. est une donnée accompagnant l’entrée ACCÈS. De même, « La page d’ouverture par défaut est souvent la page d’accueil de la compagnie qui a conçu le navigateur Web utilisé, ou celle du fournisseur d’accès, mais l’internaute peut la configurer selon ses goûts ou ses besoins » est une donnée terminologique qui accompagne PAGE D’ACCUEIL.

45Les données décrites en terminographie appartiennent à deux groupes principaux, à savoir les données terminologiques, qui sont rattachées aux termes, et les données bibliographiques, qui accompagnent les ouvrages. On distingue également les données administratives, comme la date de saisie d’une fiche terminologique ou le nom du rédacteur, sur lesquelles nous ne reviendrons pas dans le présent chapitre.

46Les données terminologiques se répartissent plus spécifiquement dans des catégories plus fines énumérées ci-dessous.

• Données conceptuelles : On regroupe ici la définition, l’indication de relations avec d’autres concepts, le domaine de spécialité et, au besoin, des notes techniques et des illustrations, etc.

47On peut aussi parler de données sémantiques si on adhère à une optique lexico-sémantique.

• Données linguistiques : Ce second groupe comprend la ou les formes linguistiques proprement dites (termes, synonymes, variantes, etc.), l’information grammaticale qui s’y rattache, et, au besoin, des marques d’usage.

• Données pragmatiques : Il s’agit ici des contextes servant à illustrer l’emploi des termes, des indications de langue, ou toute autre mention relative aux conditions d’utilisation des termes.

• Données relatives aux équivalents : Les données linguistiques rattachées aux équivalents dans une autre langue font partie de cette dernière catégorie.

48Cette subdivision, proposée à l’origine par Sager (1990), n’est pas purement pédagogique ; elle sous-tend les modèles d’encodage formels9. Nous verrons que cette division—même si on convient de son importance théorique depuis un certain temps—n’a pu être implantée formellement que vers le début des années 1980, c’est-à-dire plus d’une décennie après la mise sur pied des premières entreprises d’encodage des données terminologiques sur support informatique. Aujourd’hui, le terminographe dispose de tout un arsenal de méthodes pour formaliser toutes les distinctions qu’il juge utiles.

49Les données, peu importe leur nature ou la distinction qu’on souhaite établir, sont regroupées dans des catégories de données. Par exemple, une catégorie intitulée information grammaticale contiendra des données comme n.m., t.f., loc. verb. Une autre catégorie, intitulée terme anglais contiendra des données comme computer, laptop, printer, etc.

50Enfin, les catégories de données sont organisées dans une structure de données qui est répétée pour l’ensemble des objets à décrire. Les notions de données, de catégories de données et de structure de données sont illustrées à la figure 8.12.

51Les données terminologiques sont placées dans des structures dont l’articulation peut varier considérablement. Nous en verrons de nombreux exemples dans les dernières sections de ce chapitre.

52Depuis le début des années 1980, divers groupes ont tenté de s’entendre sur un modèle d’encodage uniforme et de produire une norme à laquelle souscriraient les principaux organismes de gestion des données terminologiques, notamment ceux qui alimentent des banques de terminologie. Comme les banques ont été élaborées au sein d’organismes séparés, leurs structures sont rarement parfaitement compatibles. L’incompatibilité se manifeste à tous les niveaux : les données retenues, les noms réservés aux catégories de données, leur répartition dans les catégories, etc.

53Ce travail d’uniformisation est fort utile pour faciliter les échanges de données entre environnements différents. Toutefois, il ressort de ces travaux qu’il est extrêmement difficile de s’entendre sur une seule structure. Les disparités s’expliquent par les objectifs des projets de description terminographique et par la nature des données qu’on souhaite inclure dans les entrées.

figure 8.12. Données, catégories de données et structure de données

54Par ailleurs, les techniques actuelles sont suffisamment souples pour accommoder toutes sortes de données et de structures. Toutefois, nous verrons que cela n’a pas toujours été le cas.

Le modèle « plat »

55Les premières entreprises d’encodage des données terminologiques sur support électronique souscrivaient à un modèle que nous qualifierons de plat. Celui-ci réunit toutes les données terminologiques dans une structure unique.

56Il faut rappeler que les premières banques de terminologie ont vu le jour au milieu des années 1960 et que le modèle plat était la seule manière d’encoder et de gérer des données apparentées. Il n’était pas possible, par exemple, de faire des recherches dans plusieurs structures à la fois. Cette limite technique a eu des conséquences importantes sur la manière d’envisager l’encodage.

57Le modèle plat prévoit un nombre de catégories de données dont certaines sont systématiquement comblées, d’autres sont facultatives. Le tableau 8.1 montre le modèle utilisé pendant longtemps par la Banque de terminologie du Québec (banque dont le GDT est issu). Nous avons supprimé les renseignements de nature administrative pour nous concentrer sur les données terminologiques. L’information est tirée de Duplain (1979).

58En outre, la plupart des données fournies dans les champs du tableau 8.1 sont accompagnées de renvois à la source d’où provient l’information. Les sources sont codées et apparaissent à la fin de la structure terminologique (un exemple est donné dans le tableau 8.2). Les codes sont explicités dans une autre structure de données.

59Le modèle plat présente trois problèmes principaux que nous examinons ci-dessous : • D’une manière générale, le modèle plat n’autorise pas la distinction formelle des catégories de données.

tableau 8.2. Codage des sources

60• La structure doit contenir l’ensemble des champs nécessaires à l’accueil des données terminologiques. Il faut donc prévoir un nombre de champs suffisants pour rendre compte de l’enregistrement qui en a le plus. Les champs facultatifs restent vides dans certaines fiches. Par exemple, il est fort probable que certains termes n’aient pas d’abréviation ou de variante orthographique correspondantes.

61• Il faut imposer des limites quant à certains types de données. Par exemple, il pourrait être utile de reproduire un grand nombre de contextes pour un terme donné. Toutefois, comme un seul champ est prévu pour lui, le terminographe aura à faire un choix parmi les contextes qu’il a extraits pour en placer un petit nombre dans la structure de données.

62Les problèmes que nous venons d’énumérer sont corrigés par d’autres modèles d’encodage, notamment le modèle relationnel, qui fait l’objet de la section suivante.

Le modèle relationnel

63Il devient vite avantageux de diviser les ensembles de données et de les organiser dans des structures distinctes. Les données de nature différente sont mieux décrites dans des structures qui sont spécifiquement adaptées. Comme nous venons de le voir, une répartition dans une seule structure entraîne de nombreux problèmes.

64Nous allons en illustrer un nouveau en inscrivant des données terminologiques et bibliographiques dans une même structure. Le tableau 8.3 donne un exemple de cet encodage. Comme on peut facilement le constater, l’inscription des deux familles de données au même endroit entraîne une répétition puisque la même source est utilisée pour documenter des termes différents.

tableau 8.3. Données terminologiques et bibliographiques dans la même structure

65Les premières banques de terminologie avaient déjà dégroupé ces deux catégories. Un code représentait un ouvrage dans la fiche ; ce code était par la suite explicité au long dans une autre structure. Toutefois, la recherche simultanée dans plusieurs structures n’a pas toujours été permise, si bien que le terminographe qui voulait connaître une référence au long à partir d’un code relevé dans une fiche de terminologie devait entreprendre une nouvelle recherche dans le fichier bibliographique.

66Cette limite technique a disparu avec l’avènement des bases de données relationnelles. Ces dernières permettent de réunir deux ou plusieurs structures au moyen d’une relation formelle.

67Pour illustrer le principe des bases de données relationnelles, reprenons l’exemple du tableau 8.3 et répartissons les données terminologiques et bibliographiques dans deux structures différentes. Les champs {terme anglais}, {terme français} et {définition} sont placés dans une structure terminologique. Les champs {auteur}, {titre} et {année}, quant à eux, sont placés dans une structure bibliographique.

68Pour permettre l’établissement d’une relation, un champ doit comporter de l’information commune aux deux structures. Ajoutons un champ {source} dans la structure terminologique et un champ {code} dans la structure bibliographique. Ces champs contiendront les codes associés aux ouvrages qui servent à appuyer l’information fournie dans la fiche de terminologie. Comme ce code est le même dans les deux structures, les fiches portant sur computer, printer et modem sont automatiquement associées à l’ouvrage écrit par John Doe, dont la description apparaît une seule fois dans la structure bibliographique. La figure 8.13 montre comment la relation est créée entre les deux structures.

figure 8.13. Établissement d’une relation entre codes de source

69L’intérêt de la division des données va se soi lorsqu’on l’applique aux données terminologiques et aux données bibliographiques, puisque les descriptions s’appliquent à des objets différents. Mais les bases de données relationnelles sont utiles pour formaliser les distinctions faites plus haut entre les différentes catégories de données terminologiques. Les relations sont établies entre une catégorie de données et une autre (un à un), entre une catégorie de données et plusieurs autres (un à plusieurs) ; ou, encore, la relation engage plusieurs catégories de données dans les deux directions (plusieurs à plusieurs). Nous verrons, dans cette section, des illustrations de ces cas de figure.

70On a de plus en plus souvent tendance à dégrouper les données linguistiques et une partie des données pragmatiques, plus précisément, les termes et les contextes. La figure 8.14 montre comment une première structure de données contenant un terme et l’information grammaticale qui s’y rapporte est fiée à une seconde structure contenant les contextes dans lesquels les termes sont utilisés. Les contextes sont accompagnés d’un code de source. La relation entre les deux structures est autorisée, car le terme est répété aux deux endroits.

71Cette répartition dans des structures distinctes permet de retenir un nombre de contextes différents sur chaque terme sans avoir à prévoir un nombre maximal au moment de définir une structure (ce qui serait obligatoire dans un modèle « plat »). Le terminographe peut ainsi retenir tous les contextes jugés utiles au moment de la collecte de données.

figure 8.14. Dégroupement des données linguistiques et des contextes

72Les bases de données relationnelles formalisent également la distinction entre les données conceptuelles et les données linguistiques. Par exemple, les termes et l’information qui s’y rattache, à savoir l’information grammaticale et, le cas échéant, les marques d’usage, sont placés dans une première structure. La définition est reproduite dans une structure distincte. La relation est établie au moyen d’un identificateur unique placé dans les deux structures. La figure 8.15 explique comment la définition et les termes sont réunis. Les données utilisées proviennent de distribution (2000).

73L’intérêt de la division entre les données conceptuelles et les données linguistiques ressort clairement dans les bases de données multilingues. La définition, qui représente toujours l’explication du concept, est placée dans une première structure. Les données linguistiques sont stockées dans des structures dont le nombre total correspond au nombre de langues décrites. La figure 8.16 montre comment des termes français, anglais et espagnols sont décrits dans des structures séparées. Le lien avec la définition est réalisé au moyen d’un identificateur unique. Les données proviennent d’une version informatisée multilingue de DISTRIBUTION (2000).

74À ce modèle multilingue, le terminographe peut greffer de nouvelles structures pour décrire d’autres langues (l’allemand, le russe, le chinois) sans avoir à repenser le modèle original. Il suffira de reprendre l’identificateur unique dans les structures associées à ces langues.

75Une autre utilisation des bases de données relationnelles consiste à décrire les relations qu’un concept entretient avec d’autres concepts du même domaine. Comme le nombre de relations varie considérablement d’un terme à l’autre, il est difficile d’en rendre compte dans une seule structure de données. Le tableau 8.4 montre comment une partie des relations existant entre le concept de « gravure » et d’autres concepts sont représentées. Les données sont empruntées à Meyer et McHaffie (1994) cités dans Otman (1996).

FIGURE 8.15. Relation entre termes et définition

figure 8.16. Dégroupement de la définition et des informations linguistiques rattachées à différentes langues

figure 8.17. Description des relations sémantiques entre termes

76Enfin la base relationnelle sert à décrire les relations sémantiques existant entre des termes d’un domaine. La figure 8.17 montre comment des termes appartenant au domaine de l’informatique sont reliés (les relations sémantiques illustrées ici sont décrites dans le chapitre 3). La relation est établie grâce à la répétition de l’un des termes dans les deux structures.

Le modèle hiérarchique

77Un dernier modèle d’organisation des données terminologiques, conçu pour représenter des relations sémantiques particulières, est examiné dans ce chapitre. Il s’agit du modèle hiérarchique.

78Le modèle hiérarchique repose principalement sur la notion d’héritage. Il s’agit d’un principe voulant que toutes les propriétés rattachées à un nœud mère soient automatiquement attribuées à un nœud fille. L’héritage permet une économie dans les descriptions puisque l’énumération des propriétés attribuées à la mère n’a pas à être reprise dans chacun des nœud filles.

79Le principe d’héritage peut s’appliquer à la classification des insectes dont nous avons parlé au chapitre 3 et que nous reprenons partiellement ici. Toutes les propriétés rattachées à « insecte », à savoir le fait d’avoir six pattes, une tête munie d’antennes et un corps divisé en trois parties, sont valables pour « coléoptère » et « diptère ». De même, les propriétés rattachées à « coléoptère » sont héritées par « scarabée » et « coccinelle », celles décrites pour « diptère » sont héritées par « mouche » et « moustique ». La figure 8.18 montre de quelle manière l’héritage est réalisé.

80Le modèle hiérarchique rend également compte de relations taxinomiques à plusieurs niveaux dans lesquelles la relation est transitive. Par exemple, elle peut représenter la relation existant entre aéronef, avion et jet. Le second terme hérite des propriétés du premier. Le dernier hérite des propriétés rattachées aux deux premiers.

81Il n’existe pas de description terminographique d’envergure qui incorpore ce modèle de manière systématique. Il s’agit là d’un fait paradoxal, puisque les relations hiérarchiques ont toujours occupé une place centrale en terminologie.

82Toutefois, un dictionnaire de langue anglaise, appelé WordNet, place l’ensemble des noms qu’il décrit dans une taxinomie dans laquelle l’utilisateur peut naviguer. Une partie des hyperonymes de computer sont reproduits à la figure 8.19. Il est à noter que WordNet décrit d’autres liens sémantiques que l’hyperonymie et que la plupart ne sont pas hiérarchisés.

83Qu’il s’agisse d’unités lexicales décrites dans un dictionnaire général ou de termes, il est plutôt exceptionnel de pouvoir les décrire tous au moyen de modèles hiérarchiques simples comme ceux qui ont été illustrés aux figures 8.18 et 8.19. Ces modèles fonctionnent dans la mesure où les critères présidant à l’organisation de la hiérarchie ont fait l’objet de normes assez rigoureuses. Souvent, un terme peut être rattaché à plus d’un générique ou être envisagé selon différents points de vue.

figure 8.18. Héritage de propriétés

figure 8.19. Hyperonymes de computer dans WordNet

84Pour résoudre une partie de ces difficultés, il devient utile de définir une hiérarchie à héritage multiple dans laquelle un nœud spécifique se rattache à plusieurs génériques et hérite ainsi des propriétés attribuées à chacun de ces nœuds. Par exemple, pour rendre compte des différentes propriétés de CHAT et de PERROQUET, il faut les rattacher à deux nœuds génériques. Le modèle d’héritage multiple est reproduit à la figure 8.20.

85Les hiérarchies simples ou multiples doivent également pouvoir rendre compte de certains cas où un nœud fille n’hérite pas de l’ensemble des propriétés rattachées au nœud mère. Une solution consiste à bloquer l’héritage d’une propriété. Par exemple, dans une hiérarchie destinée à rendre compte des oiseaux, on peut empêcher l’émeu d’hériter de la propriété « voler » associée au générique « oiseau » tout en continuant à lui permettre d’hériter des autres propriétés (d’après Otman 1996).

86Les modèles hiérarchiques simples ou multiples ou dans lesquels l’héritage est bloqué—même s’ils rendent des services—s’appliquent à un sous-ensemble de relations entre termes. Ils sont utiles pour décrire certaines taxinomies, mais les autres relations lexico-sémantiques entrent souvent dans des structures non hiérarchiques et seront mieux décrites dans un modèle relationnel. La représentation de « cell » proposée par UMLS et reproduite au chapitre 3 illustre bien cette observation. Certains liens sont hiérarchiques, mais la plupart d’entre eux engagent seulement deux concepts.

figure 8.20. Hiérarchie à héritage multiple

Conclusion

87Différentes techniques sont mises à contribution pour organiser et structurer les données terminologiques et autres renseignements annexes, comme les données bibliographiques et les données administratives. Après avoir défini les données à retenir dans un dictionnaire spécialisé ou une banque de terminologie, le terminographe élabore une structure qui servira à les accueillir. Auparavant, seul le modèle « plat » était envisageable. Aujourd’hui, cependant, les modèles d’encodage peuvent être relationnels ou hiérarchiques. Ces derniers modèles permettent de rendre compte d’une manière formelle d’une variété de liens entre termes, entre données et entre catégories de données.

88Les données sont placées dans une base de données ou un document structuré. Même si son utilisation n’est pas encore généralisée, le document structuré est plus souple et semble mieux adapté à la gestion de données terminologiques. Le terminographe a recours à d’autres méthodes connexes, comme l’hyperlien, pour mettre en valeur un lien entre des données ou des catégories de données.

89Il existe également des environnements spécialisés. D’abord, les logiciels de terminologie possèdent des fonctionnalités pour recevoir, gérer et rechercher des termes. D’autres environnements offrent non seulement l’outil de gestion des termes, mais intègrent également d’autres programmes utiles, comme un extracteur ou un concordancier.

Suggestions de lectures

90En ce qui concerne l’organisation des données terminologiques, voir Sager (1990), particulièrement les chapitres intitulés « Compilation of Terminology », « Storage of Terminology » et « Retrieval of Terminology ». On trouvera dans Wright (2001a) un descriptif des catégories de données importantes pour décrire les termes. Wright (2001b) aborde les différentes méthodes de gestion des données terminologiques. Les normes ISO/TC 12618 et ISO/TC 12620 servent de référence en matière d’encodage des données terminologiques.

91Blanchon (1991), même s’il s’agit d’un texte peu récent, est un classique en ce qui concerne les logiciels de terminologie. Pour un texte plus récent sur cette question, voir Schmidt (2001).

92Otman (1996) est consacré à la représentation formelle des données terminologiques. Il se penche notamment sur les relations taxinomiques et méronymiques. La consultation de WordNet, bien qu’il s’agisse d’un travail lexicographique, est fort intéressante pour la terminographie. Les travaux qui ont présidé à son élaboration sont présentés en partie dans Fellbaum (1998).

93Pour des exemples de représentation des données terminologiques, notamment de relations sémantiques entre termes, voir Martin et Van Der Vliet (2003) et L’Homme (2002).