3-ponctuation-et-syntaxe-dans-la-langue-francaise - Tunisie ...

4.2 Statistiques et validité des analyses
La problématique générale du travail a fixé d’emblée l’analyse des relations entre
ponctuation et syntaxe comme objectif. La définition de cet objectif nous a guidé pas
à pas, si bien que nous avons à présent à notre disposition une collection de données
réparties en deux ensembles très différents: des structures syntaxiques et des marques
de ponctuation. Toute information que nous livrent ces matériaux est évidemment intéressante,
mais comment déterminer dans quelle mesure il est pertinent de lui consacrer
une étude spécifique? L’étape suivante consiste ainsi à s’interroger: quelles questions
voulons-nous poser aux matériaux rassemblés?
Dans l’approche traditionnelle, on tend à vouloir tout expliquer, parfois sans s’assurer
de la pertinence par rapport à la représentativité (numérique) des données manipulées.
Or, le «bon sens» n’est d’aucun secours pour évaluer cette représentativité.
Appliqués à une partie ou à l’ensemble du corpus pour en dégager les tendances générales,
les tests statistiques s’affranchissent partiellement du jugement intuitif. 15
Choisir d’employer les statistiques implique qu’on réfléchisse au préalable sur la
manière dont ces outils s’accommodent de la nature des données, en particulier en
ce qui concerne à leur complexité et leur homogénéité. Nous rappellerons donc les
particularités du corpus (→4.2.1), avant de voir comment nous en avons tenu compte
(→4.2.2 à→4.2.5).
4.2.1 Nature des données
Dès l’introduction (→0) nous avons souligné les principales pierres d’achoppement
que le corpus met sur notre chemin:
1. Le corpus est hétérogène, aussi les observations qu’il permet de faire ne peuvent
en aucun cas être généralisées: elles sont spécifiques à l’échantillon dont nous
disposons;
2. les données sont nombreuses;
3. la constitution du corpus et le travail d’annotation sont en cours.
À ces inconvénients, l’analyse détaillée de la morphosyntaxe et la théorisation du
système graphique nous forcent à ajouter que:
3. les structures morphosyntaxiques sont complexes et récursives (chapitre→3);
4. les données sont réparties de manière disproportionnée: certaines constructions
sont attestées deux ou trois fois, d’autres le sont un grand nombre de fois;
5. on ne peut échapper au délicat problème de la réduction des données.
Tous ces problèmes sont plus ou moins bien gérés par des méthodes faisant appel aux
dénombrements et aux statistiques.
L’hétérogénéité des types discursifs, la complexité des structures et la répartition
inégale des données, lorsqu’elles sont conjuguées à une grande quantité de matériaux,
donnent une impression de désordre, si bien qu’il est parfois malaisé de savoir sur quoi
15 Nous verrons en effet que certains phénomènes périphériques, comme la ponctuation des
chiffres ou des noms de personne, ont été abordés sans que la pertinence de la question ne
soit évaluée (→5.3.2.1 b).
158