La parution d’un certain nombre de travaux menés sur les « conjonctions de subordination », Deulofeu (1999a) sur que, Benzitoun (2006a) à propos de quand, Corminboeuf (2009) pour si, Debaisieux (2006) concernant parce que, quoique, puisque et bien que, etc., a permis de rendre justice à la pluralité des fonctionnements syntaxiques des structures ainsi introduites en faisant valoir le fait qu’elles ne peuvent être constamment ramenées à une relation de dépendance grammaticale. C’est dans cette même lignée que s’inscrit ce travail qui a pour objectif de recenser, sur la base de corpus de français parlé et écrit, les différents fonctionnements syntaxiques de la conjonction alors que en français contemporain. Il apparait que les séquences ainsi introduites relèvent de cinq principaux emplois, dont un seul est à considérer comme véritablement « subordonné ». Nous associerons par ailleurs un ou plusieurs effets de sens à chacun de ces emplois. / A number of recent studies dealing about the syntactic properties of French subordinating conjunctions such as que (which, who, that) (Deulofeu, 1999a), quand (when) (Benzitoun, 2006a), si (if) (Corminboeuf, 2009) or parce que, quoique, puisque and bien que (because, since, although) (Debaisieux, 2006) have brought an increased awareness of the various grammatical behaviors of such forms, which definitely cannot be reduced to a simple relation of syntactic dependency. Using this approach, the present dissertation will attempt to offer a precise account of the conjunction alors que (whereas) as it is used in spoken and written contemporary French. It will be demonstrated that the constructions introduced by alors que can be classified into five main syntactic types, only one of them presenting a truly “subordinating” effect. In addition to analyzing their specific syntactic structure, our different types will be described according to their particular semantic value.

Ce mémoire d'habilitation est l'occasion de faire le bilan de mon activité d'enseignant-chercheur en traitement automatique des langues (TAL) dans un laboratoire de linguistique (CLLE-ERSS) et des principales évolutions de l'outillage informatique de la linguistique au cours des 15 dernières années. Mes recherches portent notamment sur le repérage de structures morphosyntaxiques dans les textes, l'analyse des structures du discours et l'acquisition de ressources lexicales à partir de corpus. Certaines se positionnent dans des cadres applicatifs comme la recherche d'information et la classification de textes, mais aussi dans des contextes plus spécifiques en lien avec d'autres disciplines (médecine, psychologie, sociologie...). En m'appuyant sur la diversité de ces travaux et de mes collaborations, j'identifie quatre dimensions d'évolution principales : - l'augmentation de la masse de données langagières disponibles et notamment la part croissante de l'utilisation du Web comme corpus ; - la complexification de l'outillage informatique disponible pour gérer la masse et la variété des données accessibles (outils de constitution et d'interrogation de corpus) ; - la complexification de l'annotation des données langagières, qu'elle soit manuelle, assistée ou automatique ; - la montée en puissance, en TAL mais aussi en linguistique descriptive, des méthodes quantitatives (depuis l'analyse statistique jusqu'aux techniques de fouille de données et d'apprentissage). Si les avancées techniques du TAL ont permis d'accroître de façon conséquente les potentialités d'investigation du matériau langagier, et dans certains cas de dégager de nouveaux questionnements, elles ont aussi contribué à creuser un fossé entre les deux composantes (informatique et linguistique) de la discipline. A travers ma propre expérience d'acteur ou d'accompagnateur de ces changements et avec une vocation de "passeur" interdisciplinaire, je cherche à dégager les principaux enjeux actuels pour la linguistique outillée : - doter la linguistique descriptive d'outils de visualisation de données pour aborder la complexité, en exploitant les avancées théoriques et techniques de ce nouveau champ disciplinaire et en les adaptant aux spécificités du matériau langagier ; - rendre abordables aux linguistes les techniques fondamentales de l'analyse statistique, mais aussi les méthodes d'apprentissage artificiel seules capables d'assister l'investigation et l'exploitation de données massives et complexes ; - replacer la linguistique au sein des développements actuels du TAL, notamment par le biais de l'utilisation de descripteurs linguistiques riches dans les outils de traitement par apprentissage, pour un bénéfice mutuel.

Cette thèse a pour objet de rapprocher la notion de « style » telle qu’elle est employée d’une part en linguistique et de l’autre en sociologie. Elle veut apporter un éclairage sur le rôle que peut jouer le linguiste dans la compréhension des phénomènes sociaux. Pour cela, une enquête par entretiens nous a permis de constituer un corpus étoffé, comportant une grande variété d’exemples, rendant ainsi possible l’analyse de styles sociaux et discursifs dans leur diversité. A cet effet, nous mobilisons la notion de « style », à l’origine réservée à l’écriture, mais qui, aujourd’hui, connaît un usage extensif. Nous distinguons deux acceptions récurrentes, esthétiques et pragmatiques, à partir desquelles nous proposons notre propre définition applicable à des productions langagières orales. Le concept sociologique de « style de vie » constitue un élément central de ce travail. Ce concept définit le style de vie à partir de « libres choix » des individus. Nous interrogeons le rapport entre le discours direct et le « style », envisagé d’un point de vue sociologique (un « vecteur » de style) ou linguistique (un procédé stylistique). Par ailleurs, nous analysons les structures langagières « préformées » ou « préfabriquées » dont l’emploi relève, comme l’utilisation du discours direct, d’un procédé stylistique, car c’est le locuteur qui choisit librement ce mode d’expression. Nous plaidons ainsi pour une meilleure prise en compte des phénomènes langagiers par la sociologie, en particulier celle des styles de vie, le linguiste contribuant aussi à la compréhension de l’Homme en tant que locuteur et acteur social. / The objective of this doctoral dissertation is to bring together the different ideas of “style,” as employed in linguistics and sociology. Its intention is to shed light on the role that the linguist can play in understanding social phenomena. To do so, my interview-based investigation constitutes a large and various study, making possible an analysis of diverse social and discursive styles. To this effect, I’ve employed the concept of “style,” originally confined to writing, but which currently has an extensive use. I distinguish two recurrent meanings, the aesthetic and pragmatic, from which I propose my own definition applicable to oral language productions. The sociological concept of “life style” constitutes a central element of this work. This concept defines life style as based on the free choice of individuals. I interrogate the relationship between direct discourse and style envisioned from a sociological point of view (a “vector” of style) or a linguistic perspective (a stylistic process). Moreover, I analyze “preformed” or “prefabricated” language structures whose use is deployed as a direct discourse from a stylistic process, for it is the speaker who can freely choose this mode of expression. This dissertation thus argues for a better understanding of language phenomena through sociology, in particular thatof life styles. The linguist contributes also to human understanding while being a speaker and social actor.

Cette thèse vise à élucider les mécanismes du changement sémantique en diachronie courte (ou micro-diachronie) dans des corpus. Pour comprendre, analyser et modéliser la dynamique de ces changements et poser les jalons d’un traitement dynamique du langage, le corpus est segmenté en une série de périodes temporelles d’un mois. Ce travail utilise le modèle ACOM (de H. Ji), qui s’inscrit dans le paradigme des Atlas Sémantiques, un modèle géométrique de représentation du sens basé sur l’analyse factorielle des correspondances et la notion de cliques. Les questions de traitement statistique du langage et du sens, de modélisation et de représentation sont traitées conjointement aux questions d’ordre linguistique, psychologique, et sociologique, dans la perspective d’une analyse multidisciplinaire unifiée, telle que conçue par les sciences cognitives. Une démarche de détection et d’analyse du changement sémantique est proposée, accompagnée d’études de cas qui portent à la fois sur de la détection large et sur des détails précis, proposant différent niveaux de granularité. Le changement sémantique est traité comme un déploiement de la polysémie d’une part, et comme une conséquence des modes de communication liés aux médias actuels et à la diffusion de ceux-ci. Linguistique, sociologie et sciences de l’information se rencontrent dans l’étude de la fabrique de sens nouveaux et de mots nouveaux. L’analyse des réseaux sémantiques des termes étudiés montre la réorganisation constante des sens dans le temps et en capture quelques aspects fondamentaux. Les études de cas portent notamment sur le terme « malbouffe », sur le changement sémantique de l’élément de composition « bio- » et sur le glissement de sens observé pour le terme « mondialisation » par rapport à son quasi-synonyme « globalisation ». Un prototype informatique a été développé pour permettre le traitement de ces études et d’études futures. / This doctoral thesis aims at elucidating the mechanisms of semantic change in short diachrony (or micro-diachrony) in corpus. To understand, analyze and model the dynamics of these changes and lay the groundwork for dynamic language processing, the corpus is divided in a series of time periods of one month. This work uses H. Ji’s ACOM model, which is an extension of the Semantic Atlas, both of which are geometrical models of meaning representation based on correspondence factor analysis and the notion of cliques. Language and meaning statistical processing issues as well as modeling and representation issues are dealt with in conjunction with linguistic, psychological and sociological aspects from a holistic multidisciplinary perspective, as conceived by cognitive sciences. An approach of detection and analysis of semantic change is proposed along with case studies which deal both with large scale and precise detailed phenomena, therefore offering several levels of granularity. On the one hand, semantic change is dealt with as the deployment of polysemy in time, and on the other hand as a consequence of communication methods related to the media and the diffusion of such methods. Linguistics, sociology and information sciences all contribute to the study of the making of new meanings and new words. The analysis of the semantic networks of the studied items show the constant reorganization of meanings in time, and captures a few fundamental aspects of this process. The case studies focus primarily on the French term malbouffe (“junk food”), and on the semantic change of the element of composition bio-, as well as on the connotational drift of the French term mondialisation compared to its near-synonym globalisation (“globalization”). A prototype has been developed for these case studies as well as future studies.

Cette thèse porte sur le mélange des langues dans la conversation bilingue. Nous analysons les occurrences d’alternance codique dans deux corpus de conversation recueillis auprès de deux groupes de locuteurs bilingues : un corpus anglais-français de 50 000 mots, un corpus anglais-allemand de 95 000 mots. Nos analyses montrent que certains phénomènes bilingues émergent indépendamment des langues et des personnes, dans des proportions très similaires, tandis que d’autres, plus minoritaires, sont propres à l’un ou l’autre corpus, émergeant en fonction des langues, des groupes et/ou des situations. Nous nous penchons ensuite sur les manifestations syntaxiques et les finalités du changement de langue, présentant l’énonciateur comme un acteur et l’alternance codique comme un outil structurant pour la pensée et la parole. Nous proposons une typologie des motivations de l’alternance codique, en prenant en compte le fait qu’elle peut être volontaire ou non. Puis démontrons que l’émergence d’une parole bilingue découle d’un lien fort entre sens et forme et qu’elle peut être interprétée comme la trace de l’investissement des locuteurs dans la construction des références. En s’éloignant des normes monolingues, ils reconfigurent le sens des constructions en les faisant se détacher sur un fond nouveau. / This dissertation bears on bilingual code-switching. It is based on the analysis of code-switched utterances in two bilingual corpora. One is a 50,000-word corpus of French-English conversation, the other a 95,000-word of German-English conversation. The cross analysis aims at showing that some bilingual phenomena are language- and context-independent and can be found in extremely close proportions in both corpora. Other not-so-frequent phenomena, on the other hand, do seem to be language- or context-dependent, appearing in one corpus but failing to do so in the other. Nevertheless, I attempt to demonstrate that both these types of phenomena are linked to similar semantic and pragmatic motivations — in other words, that different speakers can make different uses of the same tools to accomplish the same ends. I thus propose to view the speaker as a rational performer and code-switching as a structuring device for both speech and thought. I then analyze whether switching languages mid-sentence can or cannot always be determined to stem from a conscious decision. I argue that bilingual speech arises from a narrow bond between form and meaning and stems from the way individual speakers encapsulate references into words. By moving away from monolingual norms and using constructions against the backdrop of another language, bilingual speakers are thus able to give new pragmatic meaning to these constructions.

Les disfluences sont un phénomène apparaissant fréquemment dans toute production orale spontanée ; elles consistent en l'interruption du cours normal du discours. Elles ont donné lieu à de nombreuses études en Traitement Automatique du Langage Naturel. En effet, leur étude et leur identification précise sont primordiales, sur les plans théorique et applicatif.<br />Cependant, la majorité des travaux de recherche sur le sujet portent sur des usages de langage quotidien : dialogues « à bâtons rompus », demandes d'horaire, discours, etc. Mais qu'en est-il des productions orales spontanées produites dans un cadre contraint ? Aucune étude n'a à notre connaissance été menée dans ce contexte. Or, on sait que l'utilisation d'une « langue de spécialité » dans le cadre d'une tâche donnée entraîne des comportements spécifiques.<br />Notre travail de thèse est consacré à l'étude linguistique et informatique des disfluences dans un tel cadre. Il s'agit de dialogues de contrôle de trafic aérien, aux contraintes pragmatiques et linguistiques. Nous effectuons une étude exhaustive des phénomènes de disfluences dans ce contexte. Dans un premier temps nous procédons à l'analyse fine de ces phénomènes. Ensuite, nous les modélisons à un niveau de représentation abstrait, ce qui nous permet d'obtenir les patrons correspondant aux différentes configurations observées. Enfin nous proposons une méthodologie de traitement automatique. Celle-ci consiste en plusieurs algorithmes pour identifier les différents phénomènes, même en l'absence de marqueurs explicites. Elle est intégrée dans un système de traitement automatique de la parole. Enfin, la méthodologie est validée sur un corpus de 400 énoncés.

Traditionnellement, l'association lexicale préexistant au phénomène collocationnel est qualifiée d'arbitraire. Or en soumettant les collocations textuelles – CT – à l'analyse sémantico-discursive des possibles argumentatifs – PA –, modèle de description de la signification lexicale, non seulement cette association s'avère bien souvent argumentativement motivée, mais parfois prédictible. Aussi, nous postulons qu'une CT correspond potentiellement soit à une collocation argumentative, soit à une relation argumentative, soit enfin à une collocation arbitraire. Cette triple hypothèse a été testée sur le corpus électronique spécialisé TAL(N), grâce à une méthodologie pluridisciplinaire adaptée au caractère électronique des données (outils logiciels et Internet). Les résultats obtenus valident notre hypothèse par la présence équilibrée de collocations argumentatives et de relations argumentatives, comparée aux collocations arbitraires. Ces résultats nous confortent dans l'idée de reconsidérer le caractère arbitraire du principe d'association collocationnelle et nous permet d'en proposer une description en termes de blocs d'argumentations externes.

Le but de cette thèse est d'étudier de façon détaillée l'impact des disfluences en français parlé (répétitions, auto-corrections, amorces, etc.) sur l'analyse syntaxique automatique de l'oral et de propose un modèle théorique permettant de les intégrer dans cette analyse. Notre axe de recherche se fonde sur l'hypothèse selon laquelle une analyse détaillée des énoncés oraux (principalement en termes morphosyntaxiques) peut permettre un traitement efficace pour ce type de données, et s'avère incontournable dans une optique de développement d'applications génériques dans le domaine des technologies de la parole. Dans le cadre de ce travail, nous proposons à la fois une étude linguistique détaillée et une stratégie d'analyse syntaxique automatique partielle des disfluences (en syntagmes minimaux non récursifs ou "chunks"). Le corpus final obtenu est ainsi segmenté en chunks non-disfluents d'une part, à côté des chunks disfluents d'autre part après prise en compte des régularités observées dans notre corpus. Les résultats de l'analyse automatique sont finalement évalués de façon quantitative sur le corpus permettant ainsi de valider le modèle théorique de façon empirique.

Dans cette thèse, nous proposons une mise en lumière des aspects linguistiques relatifs aux phénomènes de contacts entre locuteurs arabophones et locuteurs appartenant à la communauté sicilienne de Tunisie à travers l’étude d’une chronique particulière, éditée dans le journal italien Simpaticuni (1911-1933). L’un des objectifs de cette recherche est l’analyse du tissu linguistique du corpus dans le but de déterminer la nature véritable de cette langue. Cela se traduit par l’identification des particularités phono-graphiques, morphologiques, syntaxiques et lexicologiques de la langue employée, et par la recherche de la sicilianité des textes en déterminant le degré de dialectalité. Puis, nous examinons les mots empruntés à l’arabe tunisien afin d’en analyser le fonctionnement et la modalité d’insertion dans le tissu syntaxique des chroniques et d’en définir la typologie. S’agit-il de référents à des objets quotidiens ? D’insertions pragmatiques? Quelle est la signification de ces choix ? Enfin, étant donné la nature dialogale de nos textes, nous étudions les variétés en interaction, travail qui permettra d’interpréter la présence des emprunts à l’arabe dans le discours. La numérisation exhaustive d’une rubrique particulière du Simpaticuni a pour objectif d’élargir la quête lexicologique des auteurs qui ont travaillé sur ce journal. / In this thesis, we propose to highlight the linguistic aspects relating to languages in contact, more particularly between Arabic and Sicilian speakers of Tunisia, through the study of a particular column, published in the Italian newspaper Simpaticuni (1911-1933). One of the issues of this research is to analyses the linguistic base of the corpus, aiming at determining the real nature of this language. In this respect we describe the phonographic, morphological, syntactical and vocabulary features of this language, and measure in what extent the given texts are of a Sicilian nature according to their dialectal degree. We then gather the words borrowed from Tunisian Arabic in order to study their function and the way they occur inside the syntactic structure of the columns, and therefore define their typology. Would they refer to daily objects? Or to pragmatic inclusions? What do these choices mean? Finally, given the speech nature of our texts, we study the varieties in interaction, which will enable us to understand why some words have been borrowed from Arabic. Digitising the whole particular column of the Simpaticuni will enhance the glossary collection undertaken by other scholars who previously worked on this newspaper.

Cette thèse s’intéresse au lexique scientifique transdisciplinaire (LST), lexique inscrit dans le genre de l’article de recherche en sciences humaines et sociales. Le LST est fréquemment mobilisé dans les écrits scientifiques et constitue ainsi un objet d’importance pour l’étude de ce genre. Ce lexique trouve également des applications concrètes tant en indexation terminologique que pour l’aide à la rédaction/compréhension de textes scientifiques. Ces différents objectifs nous amènent à adopter une approche outillée pour identifier et caractériser les unités lexicales du LST, lexique complexe à circonscrire, situé entre lexique de la langue générale et terminologie. En nous basant sur les propriétés de spécificité et de transdisciplinarité ainsi que sur l’étude des propriétés lexico-syntaxiques de ses éléments, nous élaborons une ressource du LST intégrant informations lexicales, syntaxiques et sémantiques. L’analyse de la combinatoire à l’aide d’un corpus arboré autorise ainsi une caractérisation du LST ancrée sur l’usage dans le genre de l’article de recherche. Selon cette même approche, nous identifions les acceptions nominales transdisciplinaires et proposons une classification sémantique fondée sur la combinatoire en corpus pour intégrer à notre ressource lexicale une typologie nominale sur deux niveaux. Nous montrons enfin que cette structuration du LST nous permet d’aborder la dimension phraséologique et rhétorique du LST en faisant émerger du corpus des constructions récurrentes définies par leurs propriétés syntactico-sémantiques. / In this dissertation we study the French cross-disciplinary scientific lexicon (CSL), a lexicon which fall within the genre of scientific articles in humanities and social sciences. As the CSL is commonly used in scientific texts, it is a gateway of interest to explore this genre. This lexicon has also practical applications in the fields of automatic terms identification and foreign language teaching in the academic background. To this end, we apply a corpus-driven approach in order to extract and structure the CSL lexical units which are complex to circumscribe. The method relies on the cross-disciplinarity and specificity criteria and on the lexico-syntactic properties of the CSL lexical units. As a result, we designed a lexical resource which include lexical, syntactical and semantical informations. As we analyze the combinatorial properties extracted from a parsed corpus of scientific articles, we performed a CSL study based on its genre specific use. We follow the same approach to identify cross-disciplinary meanings for the CSL nouns and to design a nominal semantic classification. This two-level typology allow us to explore rhetorical and phraseological CSL properties by identifying frequent syntactico-semantic patterns.