Un analyseur syntaxique opérationnel : SYNTEX - ERSS

nominaux complexes dans des corpus de grande taille, (2) l’analyse syntaxique des
phrases est rarement décisive pour identifier les frontières de syntagmes nominaux, (3) le
fait d’adopter une méthode robuste autorise une démarche expérimentale par tests
nombreux sur corpus de grande taille et une mise au point fine des règles d’extraction.
J’argumente ainsi que la méthode de LEXTER est plus précise qu’une méthode par simple
repérage de patrons de termes, et plus efficace et robuste qu’une méthode par analyse
syntaxique globale 7 . J’affirme même : « La synergie entre repérage de termes et analyse
syntaxique doit s’effectuer dans le sens inverse. D’un point de vue théorique, toute
approche structurale de l’analyse de la langue qui fonde sur la compositionnalité une
organisation des traitements en niveaux (syntaxique, sémantique) se doit de considérer
les termes comme des unités sur le plan syntaxique, puisque ce sont des unités sur le
plan interprétatif. D’un point de vue pratique, il est nécessaire de fournir à un analyseur
syntaxique la liste des termes (et des noms composés) qu’il est susceptible de rencontrer
dans les textes, pour limiter le nombre de cas d’ambiguïtés auxquels il sera confronté. »
(Bourigault, 1994b, p. 70). J’évoque à ce propos un « principe d’incertitude », qui
interdirait d’obtenir, avec une égale précision et en exploitant les mêmes informations, à
la fois la structure syntaxique d’une phrase et le repérage d’unités complexes qui la
constitueraient. Je n’approfondirai jamais cette idée. A rebours, je réalise quelques
années plus tard un analyseur syntaxique de phrase dont une des applications en aval est
l’extraction de termes (section 1.7).
1.3. La fonction initiale de LEXTER : extraire des étiquettes
de concepts
LEXTER est développé initialement pour répondre au problème de la constitution et de
l’enrichissement de thesaurus. Je le conçois comme un outil dont la fonction est
d’extraire automatiquement d’un corpus de textes des séquences de mots aptes à intégrer
directement la nomenclature d’un thesaurus, sans retouche de forme. Par exemple, le
logiciel doit extraire la séquence nominale paroi d’enceinte, mais doit écarter la
séquence paroi de cette enceinte, parce que la présence du déterminant démonstratif
vient la disqualifier pour le titre d’étiquette de concept. Ce parti pris relève de la
conception naïve de la terminologie qui est la mienne tout au long de mon travail de
thèse : le terme est une étiquette de concept, il est figé à la fois dans sa fonction
7 Cette polémique peut paraître quelque peu datée, au regard de la popularité gagnée ces dix dernières années
par les travaux en analyse syntaxique robuste par bribes. A l’époque, la nécessité de mettre au point un tel
argumentaire m’est apparue, quelques mois après le début de ma thèse, à l’occasion d’un colloque sur le
repérage de l’information textuelle organisé à l’Université du Québec à Montréal. Je présentais pour la
première fois le principe du découpage par marqueurs de frontière, et celui, qui suit logiquement, de
décomposition des syntagmes nominaux maximaux (Bourigault, 1991). Un membre de l’équipe de l’UQAM,
qui travaillait alors sur le progiciel Termino, m’a demandé comment je pouvais extraire des syntagmes
nominaux sans analyse syntaxique de la phrase. Ce point, dont je constate retrospectivement avoir surestimé
l’importance, m’a conduit à l’époque à mobiliser une partie de mon énergie à justifier le non recours à
l’analyse syntaxique de phrase.
12