Cette thèse doctorale comprend une étude contrastive basée sur corpus du déterminant démonstratif en français et en néerlandais en langue native (L1) et en interlangue (L2). Cette étude commence par un volet théorique dans lequel nous élaborons un modèle systématique des emplois référentiels du syntagme nominal démonstratif à partir d’une étude critique de la littérature secondaire en interaction avec une analyse qualitative d’exemples authentiques. Ensuite, nous nous basons en grande partie sur l’Integrated Contrastive Model de Granger (1996) et nous combinons plusieurs analyses contrastives en L1 et en L2 dans le but de dissocier les mécanismes de traduction des différences structurelles et distributionnelles entre le déterminant démonstratif en français et en néerlandais et d’examiner dans quelle mesure ces différences influencent les productions écrites en L2. Afin d’étudier les questions de recherche centrales relatives aux volets descriptif et acquisitionnel de notre thèse, nous réalisons trois études différentes : langue source vs. langue cible (L1), langue native vs. langue native (L1) et langue native vs. interlangue (L1 – L2). À cet effet, nous nous servons de deux corpus parallèles L1, à savoir le Dutch Parallel Corpus et le Corpus de Namur, et de deux corpus d’apprenants, à savoir le Leerdercorpus Nederlands qui contient 1315 textes néerlandais écrits par des apprenants francophones et le Leerdercorpus Frans qui contient 1402 textes français écrits par des apprenants néerlandophones (niveaux B2-C1). / This doctoral thesis includes a corpus-based contrastive study of the French and Dutch demonstrative determiner in native language (L1) and learner language (L2). This study starts with a theoretical section in which we develop a systematic model of the referential uses of the demonstrative noun phrase by means of a critical study of literature in interplay with a qualitative analysis of authentic examples. Subsequently, we base our study for the most part on Granger’s Integrated Contrastive Model (1996) and we combine several contrastive L1 and L2 analyses in order to distinguish translation mechanisms from structural and distributional differences between the French and Dutch demonstrative determiner and to investigate to what extent these differences have an impact on written L2 productions. In order to examine the central research questions with respect to the descriptive part and the applied part of our doctoral thesis, we carry out three studies, each with a different focus: source language vs. target language (L1), original language vs. original language (L1) and original language vs. learner language (L1 – L2). At this purpose, we use two written L1 parallel corpora, namely the Dutch Parallel Corpus and the Namur Corpus, and two written learner corpora, in particular the Leerdercorpus Nederlands that contains 1315 Dutch texts written by French learners and the self-made Leerdercorpus Frans that includes 1402 French texts written by Dutch learners (B2-C1 level).

Les affriquées qu’on rencontre par exemple au début du substantif anglais chip, constituent un des mystères de la phonologie. Les linguistes ne savent toujours pas comment ce son, qui commence comme une plosive et termine comme une fricative, doit être décrit au niveau phonologique. C’est-a-dire, est-ce que les langues, ou plutôt les locuteurs d’une langue, considèrent ces unités comme une sorte de plosive, ou plutôt comme une combinaison d’une plosive et d’une fricative ?Cette thèse présente un aperçu des principales analyses proposées dans l’histoire de la phonologie, et vise à trouver une solution en considérant des sources complémentaires, variant d’un échantillon représentatif des langues du monde aux développements diachroniques et synchroniques en français. Nous verrons que les affriquées ne sont pas si complexe que l’on ne l’a longtemps cru. / Affricates, which we find for instance at the beginning of English chip, constitute one of the mysteries of phonological science. Linguists have been quarrelling for quite some time how this articulatory complex sound, consisting of a plosive released into a fricative, has to be described phonologically. That is, do languages, or rather speakers of a language, treat these units as a kind of plosive or as a balanced plosive-fricative combination?This thesis presents an overview of the different analyses put forward in the history of phonological theory, and aims to break the current deadlock by addressing data from complementary sources; ranging from a genetically-balanced sample of the world’s languages to diachronic and synchronic French. It is shown that affricates are not as complex as we had once thought.

L'acquisition de connaissances relatives aux constructions verbales est une question importante pour le traitement automatique des langues, mais aussi pour la lexicographie qui vise à documenter les nouveaux usages linguistiques. Cette tâche pose de nombreux enjeux, techniques et théoriques. Dans le cadre de cette thèse, nous nous intéressons plus particulièrement à deux aspects fondamentaux de la description du verbe : la notion d'entrée lexicale et la distinction entre arguments et circonstants. A la suite de précédentes études en traitement automatique des langues et en linguistique nous faisons l'hypothèse qu’il n’y a pas de distinction marquée entre homonymes et quasi-synonymes ; de même, nous posons qu’il existe un continuum entre arguments et circonstants. Nous proposons une chaîne de traitement complète pour l'acquisition de schémas prédicatifs verbaux en japonais à partir d'un corpus non étiqueté de textes journalistiques. Cette chaîne de traitement intègre la notion d'argumentalité au processus de création des entrées lexicales et met en œuvre une modélisation de ces deux continuums. La ressource produite a fait l'objet d'une évaluation comparative qualitative, qui a permis de mettre en évidence la difficulté des ressources linguistiques à décrire de nouvelles données, plaidant par là même pour une lexicologie s'inscrivant dans le cadre épistémologique de la linguistique de corpus. / Lexical knowledge acquisition of verbal constructions is an important issue for natural language processing as well as lexicography, which aims at referencing emerging linguistic usages. Such a task implies numerous challenges, technical as well as theoretical. In this thesis, we had a closer look at two fundamental aspects of the description of the verb: the notion of lexical item and the distinction between arguments and adjuncts. Following up on studies in natural language processing and linguistics, we embrace the hypothesis that there is no clear distinction between homonyms and quasi-synonyms, and the hypothesis of a continuum between arguments and adjuncts. We provide a complete approach to lexical knowledge acquisition of verbal constructions from an untagged news corpus. The acquisition process makes use of the notion of argumenthood, and builds models of the two continuums. Our lexicon has been evaluated on a qualitative and comparative basis. Siding with lexicography anchored in the theoretical framework of corpus linguistics, we show the difficulty of using lexical resources to describe as yet unseen data.

The different activities that characterize the planning, sponsoring and execution of terrorist acts, measures and strategies for countering terrorism, lead to new terminological constructions in English and French. However, research shows that terminologists are yet to show interest in the study, analysis, and development of the field even though the daily activities, exchanges, debates, etc., involving specialists, scholars, researchers, politicians, stakeholders, or terrorists, who either perpetrate or fight against terrorism, lead to abundant lexical creativity. The present terminological inactivity in the field of terrorism may be, among other reasons, due to the fact that the definition of terrorism remains a purely theoretical issue and that one mans terrorist often turns out to be another mans freedom fighter. This study is an effort to remedy the terminological lacunae in the field of terrorism. It contributes to the increasing efforts to understand and document terrorism in all its ramifications. The study explores the concept of terrorism from the etymology of the term, its present lack of a generally acceptable definition, to the different reactions and measures for countering terrorism at both domestic (from the perspective of a select number of countries) and international (from the perspective of the international communityUnited Nations) levels. It explores the status of terrorism as a terminological domain with the aim of: a) analyzing the concepts and notional structures of the field of terrorism; b) identifying the terms assigned to the concepts; c) establishing correspondence between terrorism terms in French and their English equivalents; d) compiling a bilingual (French/English) lexicon for the subject field. The study highlights not only the functions of terminological units in different discourse contexts, but also the attitudes of humans in relation to term usage in a variety of cultural, ideological and religious contexts.

The different activities that characterize the planning, sponsoring and execution of terrorist acts, measures and strategies for countering terrorism, lead to new terminological constructions in English and French. However, research shows that terminologists are yet to show interest in the study, analysis, and development of the field even though the daily activities, exchanges, debates, etc., involving specialists, scholars, researchers, politicians, stakeholders, or terrorists, who either perpetrate or fight against terrorism, lead to abundant lexical creativity. The present terminological inactivity in the field of terrorism may be, among other reasons, due to the fact that the definition of terrorism remains a purely theoretical issue and that one man’s terrorist often turns out to be another man’s freedom fighter. This study is an effort to remedy the terminological lacunae in the field of terrorism. It contributes to the increasing efforts to understand and document terrorism in all its ramifications. The study explores the concept of terrorism from the etymology of the term, its present lack of a generally acceptable definition, to the different reactions and measures for countering terrorism at both domestic (from the perspective of a select number of countries) and international (from the perspective of the international community—United Nations) levels. It explores the status of terrorism as a terminological domain with the aim of: a) analyzing the concepts and notional structures of the field of terrorism; b) identifying the terms assigned to the concepts; c) establishing correspondence between terrorism terms in French and their English equivalents; d) compiling a bilingual (French/English) lexicon for the subject field. The study highlights not only the functions of terminological units in different discourse contexts, but also the attitudes of humans in relation to term usage in a variety of cultural, ideological and religious contexts.

L'acquisition de connaissances relatives aux constructions verbales est une question importante pour le traitement automatique des langues, mais aussi pour la lexicographie qui vise à documenter les nouveaux usages linguistiques. Cette tâche pose de nombreux enjeux, techniques et théoriques. Dans le cadre de cette thèse, nous nous intéressons plus particulièrement à deux aspects fondamentaux de la description du verbe : la notion d'entrée lexicale et la distinction entre arguments et circonstants. A la suite de précédentes études en traitement automatique des langues et en linguistique nous faisons l'hypothèse qu’il n’y a pas de distinction marquée entre homonymes et quasi-synonymes ; de même, nous posons qu’il existe un continuum entre arguments et circonstants. Nous proposons une chaîne de traitement complète pour l'acquisition de schémas prédicatifs verbaux en japonais à partir d'un corpus non étiqueté de textes journalistiques. Cette chaîne de traitement intègre la notion d'argumentalité au processus de création des entrées lexicales et met en œuvre une modélisation de ces deux continuums. La ressource produite a fait l'objet d'une évaluation comparative qualitative, qui a permis de mettre en évidence la difficulté des ressources linguistiques à décrire de nouvelles données, plaidant par là même pour une lexicologie s'inscrivant dans le cadre épistémologique de la linguistique de corpus. / Lexical knowledge acquisition of verbal constructions is an important issue for natural language processing as well as lexicography, which aims at referencing emerging linguistic usages. Such a task implies numerous challenges, technical as well as theoretical. In this thesis, we had a closer look at two fundamental aspects of the description of the verb: the notion of lexical item and the distinction between arguments and adjuncts. Following up on studies in natural language processing and linguistics, we embrace the hypothesis that there is no clear distinction between homonyms and quasi-synonyms, and the hypothesis of a continuum between arguments and adjuncts. We provide a complete approach to lexical knowledge acquisition of verbal constructions from an untagged news corpus. The acquisition process makes use of the notion of argumenthood, and builds models of the two continuums. Our lexicon has been evaluated on a qualitative and comparative basis. Siding with lexicography anchored in the theoretical framework of corpus linguistics, we show the difficulty of using lexical resources to describe as yet unseen data.

Dans cette thèse, nous nous interrogeons sur les réalisations linguistiques des relations causales selon une approche sémantique et pragmatique du discours. Bien que la causalité occupe une place centrale dans les théories du discours, il n’existe pas de consensus quant aux relations qui lui sont associées. Confrontant les propositions faites dans la littérature avec nos observations sur des données attestées, nous proposons de contribuer à l’enrichissement d’une théorie du discours spécifique : la SDRT (Segmented Discourse Representation Theory). Cette thèse se situe donc à l’interface entre linguistique de corpus et linguistique théorique. Les analyses qui y sont menées s’appuient sur le corpus EXPLICADIS, corpus de français écrit constitué spécifiquement pour répondre à l’objectif visé. L’annotation de ce corpus en relations de discours causales nous a ainsi autorisée à procéder à l’analyse de ces relations selon une approche originale qui consiste à prendre pour point de départ la relation elle-même et non ses marqueurs. Cette approche nous a permis d’offrir une vision unificatrice de la causalité en caractérisant les relations de discours qui lui sont liées dans le cadre théorique de la SDRT. Elle nous a également permis de mener des études quantitatives et comparatives sur corpus. Notre travail dresse, en outre, un panorama des moyens d’expression de la causalité observés à l’écrit en français. / The purpose of this thesis is to study the linguistic realizations of causal relations, according to a semantic and pragmatic approach of discourse structure. Even though causality is a central phenomenon in most theoretical frameworks on discourse, to date there is no consensus on the relations associated to it. Confronting the hypotheses put forward in the literature with our own observations on the basis of attested data, we offer to enrich a specific discourse theoretical model, i.e. SDRT (Segmented Discourse Representation Theory). Therefore, this study stands at the interface between corpus linguistics and theoretical linguistics. The analyses we carried out are based on the EXPLICADIS corpus, which is a written French corpus built specifically to meet the objective. Annotating this corpus with causal discourse relations allowed us to analyze these using an original approach which consists in starting from the relation itself rather than its markers. This approach provided us with the opportunity to offer a unified vision of causality by characterizing the different discourse causal relations in the framework of SDRT. It also provided us with the opportunity to conduct quantitative and comparative corpus studies. Our work also includes an overview of the different means of expression of causality that are documented in written French.

Dans le cadre d’une sémantique linguistique reposant sur la distinction signification/sens et partant du principe que le sens se construit en discours, nos recherches ont pour objectif de rendre compte de la diversité des emplois d’un signe dans une perspective intégrant la prosodie, afin de définir un processus de discrimination prosodique des différents sens d’une même unité tels qu'ils peuvent être décrits sur la base de corpus oraux authentiques. Elles portent sur un ensemble d’objets empiriques, de enfin à quelques ou oui en passant par disons, mais principalement sur des connecteurs discursifs. Après avoir mis au jour des corrélations forme prosodique/sens au niveau du lexique, et en prenant en compte le caractère gradable de la langue ainsi que la notion d’argumentation dans la langue, nous proposons un nouveau format de représentation sémantique distinguant, sur la base de nos résultats, deux niveaux de sens que sont l’interprétation-type et l’emploi-type, ce dernier présentant la particularité de comporter un commentaire exprimé par la prosodie, commentaire qui porte sur le rapport à la situation et/ou à l'énonciation. L’intégration d’un niveau de sens supplémentaire constitue l’originalité de ce nouveau format et présente l’avantage de réduire les phénomènes de surgénéralisations observables dans les caractérisations sémantiques des emplois. Nous présentons ensuite la façon dont nos résultats pourraient être intégrés à une perspective lexicographique, et dont ils pourraient permettre d'obtenir à la fois une plus grande cohérence et une plus grande exhaustivité des articles d’une entrée de dictionnaire, et une prise en compte systématique de la prosodie des emplois. / Within a linguistic approach to semantics based on the distinction between signification and sense (lexical meaning) and the assumption that sense is built it in discourse, our research aims is to account for the diversity of uses of a sign in a perspective that integrates the prosodic dimension of the interpretative process. Based extensively on authentic oral corpora and, its goal is to define a process of prosodic discrimination of the different senses of the same lexical unit. It deals with of empirical objects, from French enfin to quelques (some) or oui (yes) passing by disons (so to say, etc.), but essentially about discourse connectives (discourse markers). After establishing the existence of an association of prosody and senses at the level of lexicon, which takes into account the gradable nature of language (la langue) and its argumentative nature, we present a new semantic model in which the classical level of sense or lexical meaning is described as split between two levels of sense which are interpretation-type and use-type, the specificity of the latter being to include a prosodically expressed lexicalized comment about the speaker's relationship with the situation and/or its own discourse or enunciation. The integration of an additional level of sense is the originality of the new model. It aims at reducing the otherwise constant fatality of over-generalisation in the semantic characterisations of lexical uses. We further present the way our results could be integrated into a lexicographic perspective in order to obtain both more coherent and more exhaustive descriptions of actual language use in dictionaries and a systematic description of prosody within each entry.

Cet élaborât veut donner un nouvel approche à l’étude du corpus jābirien, en prenant compte de la littérature et des études précédents et des problématiques inhérentes à ce particulier corpus (synonymie, polysémie, dispersion du savoir, citations d’autres auteurs, hypertextualité). Grace aux nouvelles technologies d’analyse computationnelle ce travail vise à la digitalisation de textes édités (Muḫtār Rasāʾil, Tabdīr al-iksīr al-aʿẓam, Kitāb al- ahjār), pour créer un corpus numérique annoté selon le Text Encoding Initiative (TEI), le système d’annotation le plus utilisé dans le Natural Language Processing (NLP). La première section de la thèse comprend une introduction historique, prenant compte de la figure de Jābir et de son travail, de la querelle sur son existence et de l’histoire de la science Arabe médiévale ; et méthodologique, qui explique les outils utilisés pour l’analyse. La deuxième section est opérationnelle : le travail est expliqué dans tous ses détails et où les choix de numérisation et analyse sont exposés. Les problématiques présentées dans la première section trouvent ici des réponses pour ce qui concerne leur analyse. Le noyau de ce travail est représenté cependant par les Appendices, divisées en quatre parties : Les Appendices A, B et C sont des extraits bruts de la numérisation, qui donnent une idée du processus d’annotation selon le standard TEI. Les trois textes édités sont représentés par le premier livre de l’édition. L’Appendice D est un échantillon de concordances qui se base sur la lemmatisation des deux premiers livres du Tadbīr. L’Appendice E est une liste de fréquence du même échantillon utilisé pour la création des concordances. / This work presents a novel approach to the study of the Jābirian corpus while taking into consideration the existent works and literature and the problems of this peculiar corpus (synonymy, polysemy, dispersion of the knowledge, quotes od other authors, hypertextuality). Thanks to the modern technologies of computational analysis, this thesis aims to the digitalization of edited texts (Muḫtār Rasāʾil, Tabdīr al-iksīr al-aʿẓam, Kitāb al- ahjār) in order to create a digitalized corpus tagged following the Text Encoding Initiative (TEI), the most used annotation in Natural Language Processing (NLP). Section I is an introduction on the historical setting and remarks of the subject of the texts studied, comprising also an excursus on the figure of Jābir Ibn Hayyān and the querelle on his existence; and an explanation of the methodological setting in which this work is settled. Section II is the operational part, where are shown the compromises used in the realization of the digitalized corpus, as well as the strategies used so as to render the various issues presented in Section I. Section II presents the set of choices that tried to aswer to the questions made in Section I. The core of the work is represented by the Appendices, divided in four parts: Appendix A, B and C are extracts of the digitalized corpus, it was decided to include the first section of all the three source books, in order to represent every detail of the digitalization strategies and processes. Appendix D comprise a sample of concordances based on the lemmatization of the edition of the first two books of the Tadbīr. Appendix E is the frequency list of the same sample used for the concordances.

Ce travail décrit des caractéristiques de l’écrit employées dans des textes de messages et des dépositions au site de rapports Orkut. Cette écrite c’est une des varietés de l’internetês et le point de départ pour la description c’est la fréquence du vocabulaire. Le support théorique de la recherche est doné par la Linguistique du Corpus, qui analyse avec l’aide de l’ordinateur l’usage de la langue dans des textes réels a fin d’observer de façon empirique les formes gramaticales possibles utilisées par les parleurs. Les corpora analysés ont été: 1) corpus de l’étude formés par des dépositions et messages avec 553.875 mots, 2) corpora de référence formés par échantillons de langue écrite et orale avec 1.289.949 mots, et 3) corpora de contraste composés par des textes scolaires, journalistiques et didactiques, au total de 571.090 mots. Les corpora ont été analysés l’instrument WordSmith Tools, employé par des études en Linguistique du Corpus. Parmi les regularités et les spécifites des donnés examinés, on a remarqué la richesse du vocabulaire dans des textes des internautes aux mots les plus fréquents, aux variations orthographiques y inclus par des régions du Brésil representées dans neuf subcorpora, aux indices d’oralisation sur l’écrite et à la variété de forme et contennue. La recherche a conclu que l’internetês est une expression graphique avec des modifications ortographiques de environ 20% de son lexique, avec des variations touchant à la richesse du vocabulaire dans des différentes régions du pays. Cette variation a été plus grande dans des textes de messages. On a remarqué que les diferences de richesse vocabulaire entre les textes de Orkut, les rédactions scolaires et les textes journalistiques primés ne sont pas significatives. Ce qui signifie afirmer que le vocabulaire des internautes n’est pas pauvre à propos de la richesse lexical. À l’égard de la fréquence, les mots de l’écrite d’Orkut sont semblables aux mots d’un continuum oú l’oralité et l’écrite se fondent. Le travail postule que l’internetês, comme il est representé au Orkut, est un dialecte diastratique, un sociolecte des jeunes internautes avec un peu des traits qui repercutent sur l’écrite scolaire. À la fin, la recherche suggère comme l’écrite examinée peut être explorée en classe. / Este trabalho descreve características da escrita empregada em textos de recados (scraps) e de depoimentos (testimonials) do site de relacionamentos Orkut. Essa escrita é tomada como uma das variedades do internetês e o ponto de partida para a descrição é a freqüência dos itens de vocabulário. O suporte teórico para a pesquisa é dado pela Lingüística de Corpus, área que analisa com auxílio do computador os padrões de uso da língua em grandes conjuntos de textos reais, para observar de modo empírico as formas gramaticais possíveis e prováveis utilizadas pelos falantes. Os corpora analisados foram 1) corpus de estudo formado por depoimentos e recados com 553.875 palavras, 2) corpora de referência formados por amostras de língua escrita e falada compostos de 1.289.949 palavras e 3) corpora de contraste compostos de textos escolares, jornalísticos e didáticos, totalizando 571.090 palavras. Analisaram-se os corpora com a ferramenta WordSmith Tools, empregada pelos estudos em Lingüística de Corpus. Entre as regularidades e especificidades dos dados sob exame, deu-se maior atenção à riqueza vocabular presente nos textos dos internautas, às palavras mais freqüentes, às variações ortográficas - inclusive por regiões do Brasil demonstradas em nove subcorpora -, aos indícios de oralização sobre a escrita e à variedade de forma e conteúdo. A pesquisa permitiu concluir que o internetês é basicamente uma expressão gráfica com alterações ortográficas presentes em torno de 20% de seu léxico, com variações quanto à riqueza vocabular em diferentes regiões do país, variação essa maior nos scraps do que nos depoimentos. Percebeu-se que não são significativas as diferenças de riqueza vocabular entre textos do Orkut e os de redações escolares e de textos jornalísticos premiados, não podendo ser o vocabulário dos internautas considerado pobre no quesito riqueza lexical. Quanto à freqüência, as palavras da escrita do Orkut mostraram-se bastante similares às do português falado, de modo que o internetês se apresenta num continuum em que a oralidade e escrita se fundem. O trabalho postula que o internetês, tal como representado no Orkut, é um dialeto diastrático, um socioleto dos internautas jovens, com alguns poucos traços repercutindo sobre a escrita escolar. Na sua parte final, a pesquisa traz sugestões sobre como a escrita sob exame pode ser explorada em atividades em sala de aula.