Hathout, N. (2009) - ERSS - Université Toulouse II-Le Mirail

20 Parcours scientifique
1.3 La morphologie extensive
Si, comme on vient de le voir, la linguistique informatique offre une voie de recherche
fructueuse en morphologie, son efficacité dépend de façon cruciale de la bonne connaissance
des objets et des données qu’elle traite. Cette connaissance ne peut être atteinte que
par la description linguistique qui, comme l’a bien montré Marc Plénat (2000) (voir aussi
Plénat et al. (2002)), doit être extensive. La morphologie extensive 7 est une pratique qui
consiste à baser les descriptions sur la plus grande quantité possible d’exemples authentiques.
Nous avons par exemple constitué un corpus de plus de 5 000 adjectifs en -able
pour décrire les relations qui s’établissent entre ces derniers et leurs noms recteurs, soit
plus du triple du nombre d’exemples considérés par les études antérieures de ce suffixe (Hathout
et al. 2003). L’approche extensive relève d’une conception de la linguistique comme
science d’observation 8 . Elle découle de la constatation que la quantité de données disponibles
détermine la résolution des observations qui peuvent être réalisées. Plus ces données
sont nombreuses, plus le niveau de détail des observations est élevé. Or, les exemples déterminants
pour l’analyse d’une construction particulière sont généralement les plus rares.
Pour espérer découvrir un nombre suffisant de tels spécimens, il faut disposer d’un très
gros corpus d’exemples. Le linguiste doit par conséquent consacrer une part importante de
son activité de recherche à la collecte systématique de tous les spécimens qu’il peut trouver.
Leur compilation dans une base de données prend un temps considérable. Si la collecte proprement
dite est rapide 9 , la validation des données collectées exige un travail philologique
long et fastidieux (Hathout et al. 2009a).
1.3.1 Webaffix
La rentabilité de la morphologie extensive est directement liée à la possibilité de collecter
facilement de grandes quantités d’exemples. À l’heure actuelle, la seule ressource qui
permette d’en rassembler en nombre suffisant est le Web. On peut naturellement aussi utiliser
des bases textuelles, des archives de journaux ou des dictionnaires informatisés, mais
ces corpus sont trop petits et leur contenu est trop normalisé pour permettre d’observer les
constructions sporadiques qui nous intéressent. Le principal objectif de la collecte est en
effet de trouver des exemples souvent rares voire exceptionnels capables de nous éclairer
sur la manière dont s’organisent les dérivés d’une construction morphologique particulière.
La façon la plus simple de trouver des exemples sur le Web consiste à soumettre manuellement
des requêtes à un moteur de recherche comme Google, Yahoo ou plus récemment
Bing. Le linguiste s’appuie alors sur son intuition pour prédire des instances de la construction
à laquelle il s’intéresse. Cet exercice présente cependant deux limites. La première est
le temps qu’il faut pour soumettre les milliers voire les dizaines de milliers de requêtes
correspondant aux différentes formes sous lesquelles la construction peut se réaliser. Quel-
7. Cette approche a été initiée et définie par Marc Plénat à qui l’on doit également son nom.
8. Je remercie Marc Plénat de m’avoir fait découvrir cette formule bien connue de Gustave Guillaume.
9. Cette affirmation doit cependant être nuancée pour un domaine connexe comme la phonologie. Dans
un projet comme PFC par exemple (Durand et al. 2002, 2005), la collecte des données comporte un important
travail d’enregistrement et de transcription.