Menée dans le cadre de la morphologie lexématique, cette thèse a vocation de faire progresser la réflexion sur l'une des questions centrales de la morphologie constructionnelle des langues, à savoir les critères d'identification des règles de construction de lexèmes (RCL), en prenant le cas des noms désadjectivaux du français comme support. Nous traitons les suffixes -ité (BANALITE), -eur (BLANCHEUR), -esse (TENDRESSE), -itude (AMPLITUDE), -ise (GOURMANDISE) et -erie (NIAISERIE) qui sont utilisés comme exposants de règle dans la construction de noms désadjectivaux. Les noms étudiés proviennent du Trésor de la langue française (TLF), du journal Le Monde et de la Toile.Comment détermine-t-on les RCL ? Une première hypothèse est qu'à un exposant formel identifié correspond une RCL à laquelle s'oppose une seconde hypothèse selon laquelle à une seule RCL correspondent plusieurs exposants. Il s'agit de déterminer quelle est l'influence de la valeur des exposants dans la définition de RCL. Cela implique d'étudier les conditions de sélection des bases et d'étudier les critères aboutissant aux différentes formes de noms désadjectivaux. La première question relève d'une logique liée aux conditions d'application des règles, la seconde relève des motivations du locuteur intervenant dans les conditions de concurrence entre les suffixes. Nous menons une étude sur la disponibilité de chaque suffixe en comparant les noms contenus dans le TLF et les créations des locuteurs en recourant au corpus Le Monde et à la Toile. Nous étudions également si les RCL subissent d'autres influences que celles des exposants, en analysant les contextes d'apparition des doublons (e.g. TENDRESSE / TENDRETE). / My thesis deals with the morphology of French deadjectival nouns. It aims at contributing to a better understanding of the criteria of identification of Word Formation Rules (WFR) in the lexematic framework. I present in-depth examination of six suffixes used as rule exponents of deadjectival nouns WFR: -ité (BANALITÉ "banality"), -eur (BLANCHEUR "whiteness"), -esse (TENDRESSE "tenderness"), -itude (AMPLITUDE "amplitude"), -ise (GOURMANDISE "greed") and -erie (COCHONNERIE "mess, junk"). This study was conducted on deadjectival nouns from the Trésor de la langue française Dictionary (TLF), the electronic newspaper Le Monde and the Internet. A general assumption about WFR is that one given formal exponent matches with one WFR. In contrast, others assume that one WFR can involve several exponents. My goal is to determine the influence of the value of the exponents in WFR counting. I also explore the factors influencing the creation and interpretation of novel deadjectival nouns in French. This entails an examination of the constraints weighing on base selection and a study of the criteria enabling distinct forms of French deadjectival nouns to appear. The first point is based on a rationale linked to conditions in which rules apply. The second point results from the speaker motivations involved in concurrency conditions between suffixes. For each suffixation the availability of the suffix is studied by comparing nouns from TLF and new creations. This dissertation also investigates whether WFR are influenced by other factors by analyzing contexts where doublets of nouns derived from a same adjective appear (e.g. TENDRESSE "affection"/ TENDRETÉ "tenderness (e.g. of a meat)").

La duplication de code source a de nombreuses origines : copie et adaptation inter-projets ou clonage au sein d'un même projet. Rechercher des correspondances de code copié permet de le factoriser dans un projet ou de mettre en évidence des situations de plagiat. Nous étudions des méthodes statiques de recherche de similarité sur du code ayant potentiellement subi des opérations d'édition telle que l'insertion, la suppression, la transposition ainsi que la factorisation et le développement de fonctions. Des techniques d'identification de similarité génomique sont examinées et adaptées au contexte de la recherche de clones de code source sous forme lexemisée. Après une discussion sur des procédés d'alignement de lexèmes et de recherche par empreintes de n-grams, est présentée une méthode de factorisation fusionnant les graphes d'appels de fonctions de projets au sein d'un graphe unique avec introduction de fonctions synthétiques exprimant les correspondances imbriquées. Elle utilise des structures d'indexation de suffixes pour la détermination de facteurs répétés. Une autre voie d'exploration permettant de manipuler de grandes bases indexées de code par arbre de syntaxe est abordée avec la recherche de sous-arbres similaires par leur hachage et leur indexation selon des profils d'abstraction variables. Des clones exacts de sous-arbres de forte proximité dans leurs arbres d'extraction peuvent alors être consolidés afin d'obtenir des correspondances approchées et étendues. En amont et en aval de la recherche de correspondances, des métriques de similarité sont définies afin de préselectionner les zones d'examen, affiner la recherche ou mieux représenter les résultats / Several phenomenas cause source code duplication like inter-project copying and adaptation or cloning inside a same project. Looking for code matches allows to factorize them inside a project or to highlight plagiarism cases. We study statical similarity retrieval methods on source code that may be transformed via edit operations like insertion, deletion, transposition, in- or out-lining of functions. Sequence similarity retrieval methods inspired from genomics are studied and adapted to find common chunks of tokenized source. After an explanation on alignment and n-grams lookup techniques, we present a factorization method that merge function call graphs of projects to a single graph with the creation of synthetic functions modeling nested matches. It relies on the use of suffix indexation structures to find repeated token factors. Syntax tree indexation is explored to handle huge code bases allowing to lookup similar sub-trees with their hash values computed via heterogeneous abstraction profiles. Exact copies of sub-trees close in their host trees may be merged to get approximate and extended matches. Before and after match retrieval, we define similarity metrics to preselect interesting code spots, refine the search process or enhance the human understanding of results

La duplication de code source a de nombreuses origines : copie et adaptation inter-projets ou clonage au sein d'un même projet. Rechercher des correspondances de code copié permet de le factoriser dans un projet ou de mettre en évidence des situations de plagiat. Nous étudions des méthodes statiques de recherche de similarité sur du code ayant potentiellement subi des opérations d'édition telle que l'insertion, la suppression, la transposition ainsi que la factorisation et le développement de fonctions. Des techniques d'identification de similarité génomique sont examinées et adaptées au contexte de la recherche de clones de code source sous forme lexemisée. Après une discussion sur des procédés d'alignement de lexèmes et de recherche par empreintes de n-grams, est présentée une méthode de factorisation fusionnant les graphes d'appels de fonctions de projets au sein d'un graphe unique avec introduction de fonctions synthétiques exprimant les correspondances imbriquées. Elle utilise des structures d'indexation de suffixes pour la détermination de facteurs répétés. Une autre voie d'exploration permettant de manipuler de grandes bases indexées de code par arbre de syntaxe est abordée avec la recherche de sous-arbres similaires par leur hachage et leur indexation selon des profils d'abstraction variables. Des clones exacts de sous-arbres de forte proximité dans leurs arbres d'extraction peuvent alors être consolidés afin d'obtenir des correspondances approchées et étendues. En amont et en aval de la recherche de correspondances, des métriques de similarité sont définies afin de préselectionner les zones d'examen, affiner la recherche ou mieux représenter les résultats

Cette thèse approfondit la notion de mot qui a cours en grammaire française contemporaine. Plus précisément, elle fait ressortir les problèmes qui découlent du fait d’employer un concept relevant de la pensée commune (le mot) pour élaborer une explication scientifique du langage. Elle examine la manière dont les linguistes exploitent cette notion dans la tradition grammaticale et dans trois courants théoriques marquant la linguistique moderne (structuralisme, fonctionnalisme, générativisme); elle évalue également les stratégies employées par ces approches pour régler les problèmes posés par la définition et l’emploi du concept de mot dans la description linguistique. Comme voie de résolution de ces problèmes, elle propose la notion de morpholexème, qui correspond à l’unité significative associant en permanence un signifié lexical à un signifié grammatical, de manière à former une unité qui se ramènent dans l’ensemble aux unités considérées comme faisant partie des classes de mots variables, qui correspondent à environ 97 % du lexique du français. / This thesis examines the concept of word used in contemporary French grammar. Specifically, it highlights issues which stem from using a concept belonging to ordinary language (the word) to develop a scientific explanation of human language. It investigates how linguists exploit this notion in the grammatical tradition and in three theoretical currents which have made their mark in modern linguistics (structuralism, functionalism, generativism). It also assesses the strategies used by these approaches to solve the problems related to the definition and usage of the concept of word in the linguistic description. To address these issues, it proposes the concept of morpholexeme, which corresponds to a linguistic unit permanently combining a lexical meaning and a grammatical meaning, as a basis for identifying a homogenous category corresponding to morphologically variable words, a category covering close approximately 97 % of the French lexicon.

Menée dans le cadre de la morphologie lexématique, cette thèse a vocation de faire progresser la réflexion sur l'une des questions centrales de la morphologie constructionnelle des langues, à savoir les critères d'identification des règles de construction de lexèmes (RCL), en prenant le cas des noms désadjectivaux du français comme support. Nous traitons les suffixes -ité (BANALITÉ), -eur (BLANCHEUR), -esse (TENDRESSE), -itude (AMPLITUDE), -ise (GOURMANDISE) et -erie (NIAISERIE) qui sont utilisés comme exposants de règle dans la construction de noms désadjectivaux. Les noms étudiés proviennent du Trésor de la langue française (TLF), du journal Le Monde et de la Toile. Comment détermine-t-on les RCL ? Une première hypothèse est qu'à un exposant formel identifié correspond une RCL à laquelle s'oppose une seconde hypothèse selon laquelle à une seule RCL correspondent plusieurs exposants. Il s'agit de déterminer quelle est l'influence de la valeur des exposants dans la définition de RCL. Cela implique d'étudier les conditions de sélection des bases et d'étudier les critères aboutissant aux différentes formes de noms désadjectivaux. La première question relève d'une logique liée aux conditions d'application des règles, la seconde relève des motivations du locuteur intervenant dans les conditions de concurrence entre les suffixes. Nous menons une étude sur la disponibilité de chaque suffixe en comparant les noms contenus dans le TLF et les créations des locuteurs en recourant au corpus Le Monde et à la Toile. Nous étudions également si les RCL subissent d'autres influences que celles des exposants, en analysant les contextes d'apparition des doublons (e.g. TENDRESSE / TENDRETÉ).

Ce mémoire constitue une contribution à l'étude du vocabulaire français qui a cours au Nouveau-Brunswick. Plus spécialement, il vise à vérifier dans quelle mesure des particularismes du français, sinon exclusivement acadien du moins canadien, sont présents dans les copies d'examen de français subi par des élèves néo-brunswickois de douzième année et, le cas échéant, à étudier l'évaluation que les correcteurs ont portée sur eux. Il repose sur un corpus comprenant 300 copies d'examen rédigées en janvier 2003, dans lequel 211 unités lexicales ont pu, après vérification dans 16 ouvrages de référence - tant acadiens que québécois et français — être identifiées comme des particularismes.