La thèse s'articule autour du fonctionnement souvent spécifique des emprunts à l'arabe sur les plans phonétique et morphologique en Shingazidja, variété du comorien parlée sur l'île de Grande-Comore (Ngazidja). Selon le conditionnement phonétique dominant, les occlusives apparaissent à l'initiale lexicale et dans les complexes prénasalisés, les non-occlusives à l'intervocalique. <br />Du fait du prestige de l'arabe, nombre de termes d'origine arabe dans cette langue tendent à ne pas suivre ce conditionnement, qui impliquerait une modification de leur prononciation.<br />Cela a modifié l'équilibre phonologique de la langue, contribuant à la phonologisation de variantes positionnelles. <br />La forme même des emprunts suggère ainsi plusieurs couches, certains ayant été adaptés alors que d'autres résistèrent.<br /><br />La thèse est illustré par un dictionnaire shingazidja-français à entrée étymologique d'env. 6000 entrées.

Partant de l'innovation que constitue au 17ème siècle la première édition du Dictionnaire de l'Académie (1694), nous avons souhaité nous pencher sur ce qui avait précédé son élaboration, afin de mesurer, techniquement, le travail collectif de ce siècle. Il est d'usage d'établir une filiation entre dictionnaire bilingue (français-latin) et dictionnaire monolingue. Nous revenons tout d'abord sur cette généalogie en montrant, à partir de l'étude des définitions dans le Thresor de la langue françoise (1606), que la démarche reste, dans le dictionnaire de Jean Nicot, fondamentalement interlinguistique et que les définitions sont essentiellement de type encyclopédique. A partir de la seconde moitié du 16ème siècle, d'autres outils vont en revanche ouvrir la voie à un travail proprement sémantique du mot « unité d'usage ». A l'écart des grands genres lexicographiques, ces « traités partiels », qui listent synonymes, équivoques, épithètes ou proverbes, ont comme point commun d'envisager le lexique dans une perspective synchronique et les relations interlexicales à l'intérieur du système de la langue, en privilégiant le traitement d'unités plus grandes que le mot, collocations, « phrases » et « manières de dire ». Ils contribuent ainsi à l'émergence de la définition en langue, dont l'invention revient au Dictionnaire de l'Académie. Or, s'il n'est pas question de minimiser le poids si souvent dit de l'injonction politique et idéologique qui meut l'Académie, il fallait montrer que sa visée de fixation de l'usage en Langue commune ne pouvait se faire que grâce à des techniques qui proviennent de l'élaboration d'un siècle au service de la description du lexique.

.

En situation de perception audiovisuelle de la parole (i.e., lorsque deux interlocuteurs communiquent face à face) et lorsque le signal acoustique est bruité, l'intelligibilité des sons produits par un locuteur est augmentée lorsque son visage en mouvement est visible. L'objectif des travaux présentés ici est de déterminer si cette capacité à " lire sur les lèvres " nous est utile seulement pour augmenter l'intelligibilité de certains sons de parole (i.e., niveau de traitement pré-lexical) ou également pour accéder au sens des mots (i.e., niveau de traitement lexical). Chez l'adulte, nos résultats indiquent que l'information visuelle participe à l'activation des représentations lexicales en présence d'une information auditive bruitée (Etude 1 et 2). Voir le geste articulatoire correspondant à la première syllabe d'un mot constitue une information suffisante pour contacter les représentations lexicales, en l'absence de toute information auditive (Etude 3 et 4). Les résultats obtenus chez l'enfant suggèrent néanmoins que jusque l'âge de 10 ans, l'information visuelle serait uniquement décodée à un niveau pré-lexical (Etude 5).

Notre étude porte sur l'organisation du lexique des verbes chez l'aphasique, d'une part à travers une étude exploratoire en dénomination orale d'action sur support vidéo, et d'autre part à partir d'une investigation en IRMf chez le sujet sain. D'après nos résultats, les aphasiques de différents types ont des difficultés à produire des verbes, et on observe une production importante d'énoncés non conventionnels à pivot verbal : les approximations sémantiques. En aphasiologie, l'étude de ces énoncés, qu'on associe à des paraphasies sémantiques, se limite à un cadre nominal et sont considérés comme des erreurs. Nous soulignons qu'elles manifestent un mode de structuration du lexique des verbes par proximité sémantique et marquent l'existence d'une flexibilité cognitive dans la structuration du lexique mental. Dans la littérature, les troubles spécifiques du verbe, chez l'aphasique, sont associés à des lésions du lobe frontal, mais ces données sont controversées. En IRMf, nous obtenons des activations fronto-pariétales, des régions plus postérieures, et des activations de la boucle fronto-thalamo-striée. Nos résultats sont en faveur d'un recrutement d'un ensemble de régions cérébrales. Le support que nous avons utilisé permettrait d'accéder par deux voies à la représentation de la nature sensori-motrice du verbe, par le gyrus temporal moyen gauche et les aires prémotrices. Le mode vidéo semblerait être un outil d'évaluation plus écologique que le support imagé pour l'étude du traitement du lexique des verbes.

Nous présentons un système de délimitation morphologique des textes coréens par automates à états finis. Le Coréen est une langue agglutinante et notre système peut probablement être adapté aux autres langues agglutinantes à suffixes (hongrois, finnois, turc). Les textes coréens s'écrivent principalement avec l'alphabet Hangul qui est un ensemble de caractères syllabiques. Il est possible de les mélanger avec des idéogrammes et des caractères de l'alphabet latin. Nous utilisons le système de codage de caractères UNICODE dans lequel les syllabes coréennes sont rangées par ordre alphabétique. Pour certains traitements sur les syllable coréennes, nous décomposons chaque syllable en plusieurs caractères alphabétiques coréens. Les mots coréens reçoivent des affixes. Pour le nom, un mot peut avoir plusieurs suffixes sans compter les suffixes dérivés, le nombre maximal de combinaisons étant d'environ 1600. Notre première étape pour l'analyse des textes coréens est la description des morphèmes d'un mot pour le segmenter à l'aide des séparateurs : blanc et symboles. Et on segmente encore les segments en morphèmes. Pour pouvoir analyser les segments, nous construisons des dictionnaires de racines et de séquences de suffixes. Nous utilisons les transducteurs pour représenter les compatibilités entre des morphèmes : racines et suffixes avec l'interface graphique de UNITEX. Ils sont conçus de manière à être construits et maintenus manuellement. Notre méthode est fondée sur des ressources linguistiques alors que la plupart des systèmes d'analyse morphologique sont fondés sur des données statistiques. Nous intégrons automatiquement les dictionnaires de racines et les transducteurs des suffixes en un transducteur unique, qui remplit la fonction d'un dictionnaire. Le résultat de l'analyse d'un texte se présente sous la forme d'un automate pour rendre compte de l'ambiguité du découpage en morphèmes. Les transitions sont étiquetés par des morphèmes annotés d'informations linguistiques (forme canonique, forme fléchie et informations linguistiques).

Les tables du Lexique-Grammaire, dont le développement a été initié par Gross (1975), constituent un lexique syntaxique très riche pour le français. Elles couvrent diverses catégories lexicales telles que les verbes, les noms, les adjectifs et les adverbes. Cette base de données linguistiques n'est cependant pas directement exploitable informatiquement car elle est incomplète et manque de cohérence. Chaque table regroupe un certain nombre d'entrées jugées similaires car elles acceptent des propriétés communes. Ces propriétés ont pour particularité de ne pas être codées dans les tables mêmes mais uniquement décrites dans la littérature. Pour rendre ces tables exploitables, il faut expliciter les propriétés intervenant dans chacune d'entre elles. De plus, un grand nombre de ces propriétés doivent être renommées dans un souci de cohérence. Notre objectif est d'adapter les tables pour les rendre utilisables dans diverses applications de Traitement Automatique des Langues (TAL), notamment l'analyse syntaxique. Nous expliquons les problèmes rencontrés et les méthodes adoptées pour permettre leur intégration dans un analyseur syntaxique. Nous proposons LGExtract, un outil générique pour générer un lexique syntaxique pour le TAL à partir des tables du Lexique-Grammaire. Il est relié à une table globale dans laquelle nous avons ajouté les propriétés manquantes et un unique script d'extraction incluant toutes les opérations liées à chaque propriété devant être effectuées pour toutes les tables. Nous présentons également LGLex, le nouveau lexique syntaxique généré des verbes, des noms prédicatifs, des expressions figées et des adverbes. Ensuite, nous montrons comment nous avons converti les verbes et les noms prédicatifs de ce lexique au format Alexina, qui est celui du lexique Lefff (Lexique des Formes Fléchies du Français) (Sagot, 2010), un lexique morphologique et syntaxique à large couverture et librement disponible pour le français. Ceci permet son intégration dans l'analyseur syntaxique FRMG (French MetaGrammar) (Thomasset et de La Clergerie, 2005), un analyseur profond à large couverture pour le français, basé sur les grammaires d'arbres adjoints (TAG), reposant habituellement sur le Lefff. Cette étape de conversion consiste à extraire l'information syntaxique codée dans les tables du Lexique-Grammaire. Nous présentons les fondements linguistiques de ce processus de conversion et le lexique obtenu. Nous évaluons l'analyseur syntaxique FRMG sur le corpus de référence de la campagne d'évaluation d'analyseur du français Passage (Produire des Annotations Syntaxiques à Grande Échelle) (Hamon et al., 2008), en comparant sa version basée sur le Lefff avec notre version reposant sur les tables du Lexique-Grammaire converties.

La terminologie est une science qui étudie les termes, ces unités lexicales véhiculant un sens spécialisé dans un discours scientifique ou technique. Constituée en science dans la première moitié du XXe siècle, la terminologie est un terrain interdisciplinaire qui se nourrit des apports de la linguistique, de la logique et de l'informatique. C'est surtout grâce à cette dernière qu'elle a pu se développer considérablement. Le lexique-grammaire est une méthode de description linguistique strictement empirique d'inspiration harrissienne qui a vu le jour en France à la fin des années 1960. La description linguistique a été menée en parallèle avec la réalisation d'outils informatiques nécessaires à la formalisation et à l'exploitation de ces données, parmi lesquels il y a aussi le logiciel Unitex (Paumier, 2002). Tant le lexique-grammaire que le logiciel Unitex présentent un potentiel intéressant, largement inexploité, pour la terminologie. Dans ce travail, nous nous proposons d'évaluer les apports des méthodes liées au lexique-grammaire et au logiciel Unitex à une description terminologique bilingue de qualité. Après avoir défini des critères de qualité d'une description terminologique, nous menons cette évaluation sur deux corpus comparables ayant trait à la médecine thermale, en français et en italien.

Ce travail de thèse représente une tentative de rationalisation du lexique espagnol en accordant la priorité au signifiant. Inspiré notamment de Pierre Guiraud, nous y avons établi à la suite de Maurice Molho, Didier Bottineau, Georges Bohas ou Dennis Philps, que les mots peuvent ne référer que par la sollicitation d'une partie de leur forme, partie détectable structurellement. Nous avons pris en considération l'ensemble des capacités qualitatives (phones, formant, idéophones, graphèmes, segments) et quantitatives (duplications, répétitions, inversions, homophonies / homographies) de la forme des mots. Nous ne nous sommes donc pas limité à un support sémiologique particulier mais avons conçu le lexique, du fait de sa complexité, comme un organisme de signifiants / signifiés où chaque élément peut entrer en compte pour donner lieu à une motivation (interne ou externe). Nous avons nommé cet élément la saillance, car il s'agit d'une unité résultant d'une focalisation, d'un choix formel pour référer à telle ou telle idée. Nous avons également remarqué, notamment dans des cas d'" homonymie ", que plusieurs parties pouvaient être sollicitées et que chacune permettait de renvoyer à un sens distinct. La consubstantialité du signe est donc, de notre point de vue, un principe sauf. La " synonymie " ainsi que la " polysémie " ne sont donc pas non plus des notions pertinentes car chaque terme renvoie d'une manière qui lui est propre à un sens donné. Enfin, nous avons proposé une application, avec des critères similaires, à des énoncés dit " poétiques " où plusieurs actualisations parfois insolites apparaissent mais toujours permises par le langage, par le signifiant.

Nous avons observé depuis plusieurs années l'émergence des approches statistiques pour la traduction automatique. Cependant, l'efficacité des modèles construits est soumise aux variabilités inhérentes au langage naturel. Des études ont montré la présence de vocabulaires spécifique et général composant les corpus de textes de domaines spécialisés. Cette particularité peut être prise en charge par des ressources terminologiques comme les lexiques bilingues.Toutefois, nous pensons que si le vocabulaire est différent entre des textes spécialisés ou génériques, le contenu sémantique et la structure syntaxique peuvent aussi varier. Dans nos travaux,nous considérons la tâche d'adaptation aux domaines spécialisés pour la traduction automatique statistique selon deux axes majeurs : l'acquisition de lexiques bilingues et l'édition a posteriori de traductions issues de systèmes automatiques. Nous évaluons l'efficacité des approches proposées dans un contexte spécialisé : le domaine médical. Nos résultats sont comparés aux travaux précédents concernant cette tâche. De manière générale, la qualité des traductions issues de systèmes automatiques pour le domaine médical est améliorée par nos propositions. Des évaluations en oracle tendent à montrer qu'il existe une marge de progression importante