Navigation – Plan du site

AccueilNuméros27-30ArticlesRéflexions sur le cognitifAvancées dans le pré-verbal : les...

Articles
Réflexions sur le cognitif

Avancées dans le pré-verbal : les trames discursives conceptuelles

Antoine Toma
p. 63-91

Résumés

Le problème d’une recherche qui se situe dans le champ de la formalisation de l’activité langagière est celui de la réalisation concrète. Une méconnaissance de la problématique peut conduire à s’étonner qu’une application n’ait pas encore permis à une machine de produire du discours alors que de nombreux exemples de traitement formel ont été proposés dans l’histoire. Le but de cet article est de tenter d’abord d’expliquer pourquoi, puis d’envisager les pistes de recherche les plus fécondes. En attendant, les réalisations concrètes peuvent être multiples dès lors que cette recherche, qui permet de démonter les mécanismes du langage, trouve des applications d’ordre didactique. L’écart prétendu grand entre la réflexion métalinguistique et la pédagogie doit cependant être le plus petit possible, l’une se nourrissant de l’autre et réciproquement.

Haut de page

Texte intégral

1Expliquer les phénomènes langagiers est bien le but que s’assigne la linguistique au travers de la diversité des langues et de leur réalisation phonique ou graphique. Tenter d’en donner une représentation formelle est en revanche une démarche qui ne porte généralement pas à l’enthousiasme, même si de grands maîtres, de Gustave Guillaume à Antoine Culioli en passant par Noam Chomsky, nous ont poussés à le faire.

Parcours du domaine

2Formaliser l’activité langagière implique nécessairement une formalisation de la pensée. Cette tâche semble impossible, voire interdite pour certains, car c’est toucher à ce que l’homme a de plus humain. D’autres, au contraire, pensent que l’homme, comme tout animal, est un être programmé, et que sa programmation naturelle consiste en un désir de « mieux-être » pour qu’il puisse s’adapter le mieux possible à son environnement.

3De ce fait, le libre arbitre n’est qu’apparent. Il l’est encore dans le cas de l’autodestruction, où l’on pourrait croire pourtant que l’individu agit à l’opposé de ce que le programme lui ordonne. Dans ce cas limite, il est en effet toujours possible d’arguer que le programme initial a été respecté en considérant que l’autodestruction a correspondu à un désir de mieux être…

4La problématique est heureusement plus simple dans le cas d’une machine puisque sa programmation restera du ressort de l’homme qui devrait toujours, espérons-le, en avoir le contrôle. Le problème est de la programmer. Ce projet a forcément un caractère extrêmement ambitieux. C’est pourtant ce à quoi sont attachés des milliers de chercheurs dans le monde entier. Il n’est pas possible d’ignorer ce travail sous prétexte que les résultats obtenus, dans le domaine du langage en particulier, ne sont pas ceux attendus. Les retombées dans d’autres domaines, comme ceux où, en robotique, les actions sont plus facilement mécanisables (reconnaissance de formes, de sons, synthèse vocale, systèmes-experts en médecine) sont au contraire patentes.

5Il se trouve en fait que les avancées dans la formalisation n’ont pas atteint aujourd’hui un niveau réellement supérieur à celui du programme ELIZA (Weizenbaum 1966) qui constitue un bon exemple d’identification de « sens » à partir de mots-clés.

6L’approche syntaxique de l’interpréteur TESSA (Soul 1975) basé sur les travaux de Winograd (1972) ignore, elle, totalement les composantes sémantiques et pragmatiques de la phrase. Si certains résultats acceptables ont été obtenus sur l’anglais, les ambiguïtés sémantiques rendent ce système totalement inefficace en compréhension.

7Certains programmes, antérieurs aux années 80, tels que SOPHIE (Burton 1976), LIFER (Hendrix 1976) ou PLANES (Waltz 1976) traitent eux de domaines à champ sémantique restreint avec des résultats parfois acceptables dans des domaines très techniques.

8Les systèmes basés sur les grammaires de cas développés entre autres par Fillmore (1968) tels que le programme CHRONOS (Brown et al. 1974) repèrent les liens existant entre le verbe et les éléments de type nominal de la phrase de façon à en établir une relation binaire, ce qui permet de recueillir les informations pertinentes concernant le focus (l’objet) du discours. Les informations statistiques qui en découlent sont utiles pour dégager des règles d’inférence. Le problème est que seule une partie du message est traitée et que les résultats obtenus sont exploitables dans des domaines où le discours reste relativement figé comme l’étude de diagnostics médicaux.

9La grammaire transformationnelle (Chomsky 1965) a naturellement donné lieu à des programmes informatiques (Plath 1976), mais la non-prise en compte de la composante sémantique conduit également à des aberrations tant en analyse qu’en production.

10Certains systèmes ont aussi pris le parti d’appliquer les principes de la logique des prédicats à l’analyse d’une phrase suite aux travaux de Colmerauher (1976), fondateur du langage PROLOG. Le langage PROLOG (de pro logos : pour le discours), utilisé en intelligence artificielle comme un outil de représentation de connaissance, a été au départ un simple outil d’interrogation de base de données1.

11La phrase est ainsi transformée en une structure simplifiée, où le prédicat (ou attribut) d’un terme source, appelé (classiquement) thème, est traité comme une variable. L’expression (ou formule) prédicative, qui contient une ou plusieurs variables, est susceptible de devenir une proposition vraie ou fausse en fonction des valeurs attribuées à ces variables.

12Gérard Sabah (1980) a vu l’intérêt que l’on pouvait tirer de ces grammaires dites de « métamorphose », et des travaux de Colmerauher, pour le dialogue homme-machine. Les résultats sont obtenus toutefois au prix d’une forte limitation des occurrences de discours analysables.

13La voie la plus prometteuse semble avoir été ouverte il y a plus d’un quart de siècle par Schank (1973) qui a proposé de transformer la phrase en un réseau conceptuel d’actions primitives entretenant des relations de dépendance. La grammaire dite de dépendances conceptuelles permet de définir des règles de comportement associées à une action donnée. Une action est donc reliée à un contexte qui permet, lorsqu’une action de même type est énoncée, d’avoir accès au contexte qui n’est pas nécessairement explicite dans la phrase exprimée. Cependant les spéculations qui ont présidé à la détermination des règles de comportement sont le plus souvent arbitraires et ne peuvent prendre en compte tous les cas possibles, et donc les écarts par rapport à un comportement dit « normal ». C’est en fait une suite d’énoncés paraphrastiques qui est obtenue, mais de manière inerte, non dynamique, sans possibilité d’évolution.

14L’observation qui revient dans la plupart des critiques de ces théories est que les analyseurs ne disposent d’aucun « modèle du monde » pour permettre l’interprétation de la phrase. Le constat qui suit généralement est que la quantité d’information qui permettrait l’élaboration d’un tel modèle est beaucoup trop importante pour qu’une telle représentation soit envisagée.

  • 2  Titre d’une thèse de 3e cycle en informatique soutenue à l’université Toulouse 3 le 28 octobre 198 (...)

15Les tentatives de « Génération de phrases dans une interface de communication en langage naturel »2 ont pourtant été nombreuses dans les années 1980 :

Ce qui nous intéresse ici, c’est de permettre à une machine de « s’exprimer » dans un langage qui nous est familier, le français. (Piquet-Gauthier 1983 : 5) 

Il poursuit plus loin :

  • 3  Par phrase simple, S. Piquet-Gauthier entend « phrase avec un seul verbe ».

Notre projet principal est de réaliser une interface qui, à partir d’une représentation interne, permette d’engendrer une phrase simple en langage naturel3 et, si possible, non ambiguë pour un contexte donné. (ibid. : 5) 

16Le système exploite intelligemment les modèles théoriques de l’époque. À chacun des mots, en langage naturel, de la base lexicale est associé un « descripteur » qui rassemble des informations d’ordre sémantique (pour « donner un sens au mot ») et d’ordre syntaxique (contraintes associées). L’analyse de la phrase se fait à partir du verbe comme en grammaire des cas. Le verbe contient une palette d’environnements possibles, à partir de laquelle vont pouvoir s’associer d’autres mots de la phrase. Des règles linguistiques dites « d’interprétation » vont déterminer les chaînages possibles. Ces règles sont volontairement de nature syntaxique afin d’éviter « l’explosion combinatoire associée à la production des chaînages » (ibid. : 11).

L’appel à « l’état du monde » s’avère là aussi nécessaire :

  • 4  Ce module constitue l’interface homme-machine.

L’utilisation de contraintes linguistiques peut être utile, mais bien souvent il faut pouvoir exploiter l’état de l’univers pour réduire le caractère « multi-interprétable » de phrases simples. Le module interface4 utilise donc cette connaissance, par un accès à la base de données du robot. C’est le rôle de l’agenda de gérer l’accès à cette base de données. (ibid. : 11)

17Ces initiatives, pour louables qu’elles soient, permettaient la production de phrases certes correctement formées, mais extrêmement simples sémantiquement et syntaxiquement (ex. : « les cubes verts sont sur la petite table »). Le problème vient toujours de la base de « connaissances », laquelle établit simplement des compatibilités sémantiques et syntaxiques de mots entre eux. Pourtant les constructions théoriques qu’il a fallu imaginer (analyseur de phrase, base lexicale, agenda, mémoire du discours, générateur de phrases) ne paraissent pas pour autant critiquables.

  • 5  Éléments de traitement logico-mathématique pour une formalisation de l’activité langagière (thèse (...)

18L’optimisme était de rigueur dans les années 80 et les projets jugés, non sans raison, exagérément ambitieux au vu des résultats. Les exemples concrets de formalisation donnés dans un travail ancien (Toma 1984)5 constituaient des tentatives donnant à penser qu’il y avait là matière à développement, mais aussi qu’il était urgent d’attendre d’avoir les moyens de poursuivre dans cette voie. Attendre ne veut certainement pas dire rester inactif. La recherche n’a pas cessé de se développer dans ce domaine, et la réflexion théorique personnelle, alimentée par les réalités didactiques du terrain, s’est poursuivie nécessairement.

19Le GERAS (Groupe d'étude et de recherche en anglais de spécialité) a d’ailleurs été partie prenante dans cette recherche linguistique dont on pressentait qu’elle pouvait prendre un nouvel essor si elle était couplée avec des moyens informatiques réels. Les ordinateurs les plus puissants financièrement accessibles à un département de langue avaient des processeurs dont la vitesse d’horloge ne dépassait pas 8 MHz. Ceux des PC vendus en supermarché en ont aujourd’hui 1000 !

20Le GERAS a eu un projet d’analyse de corpus qui pouvait avoir un prolongement en Intelligence Artificielle puisqu’une collaboration avec Ian Sedwell, linguiste informaticien, a été effective pendant près de deux ans. Sedwell indique dans son rapport les objectifs de cette coopération :

I believe that the GERAS project can be divided quite naturally into two phases…
Phase I might loosely be summarised as ‘a period of corpus building’ and will take, I suggest, between 18 months / 2 years of active computing to complete to the standard apparently required for phase II to commence.
Phase II promises to encompass the domains of artificial intelligence, knowledge-based system, computer-assisted learning, lexicography, computer parsing and computational linguistics.

  • 6  Je rends hommage à Jean-Marie Baïssus, alors professeur d’anglais à l’université Montpellier 3, po (...)

21J’ai entrepris pendant plusieurs mois un travail sur des analyses de corpus à champ sémantique restreint (recettes de cuisine, bulletins météo) en liaison avec Ian Sedwell, mais les résultats obtenus, trop près de la surface, n’ont fait que confirmer certains présupposés théoriques propres à la recherche en langue de spécialité sans rien apporter de nouveau sur le plan de la formalisation de l’activité langagière, ce qui montre les limites de l’outil informatique pour ce type de recherche en amont de la langue6.

22Il aurait été par exemple possible de faire produire à un ordinateur le discours spécifique de la météo en fonction des paramètres de pression atmosphérique et de température selon les régions. Ces paramètres, mis en coïncidence avec les bulletins météo authentiques, auraient effectivement permis de produire par analyse statistique et programme informatique élémentaire de type « si A = X, B = Y, C = Z, etc., alors …telle phrase » des bulletins stéréotypés, mais ce travail n’aurait pas apporté d’éléments nouveaux à la recherche.

  • 7  EC: Edition, Colloques, Conseil qui publie par exemple le mensuel « La lettre de l’intelligence (...)

23Pourtant les recherches dans ce domaine n’ont jamais cessé. L’ARC (Association pour la Recherche Cognitive) réunit régulièrement, par le biais des congrès SEMANTICA des linguistes tels que R. Martin, J-F. Rastier, G. Gross, M. Gross, ou des cogniticiens telle que M. Linard. Le traitement du langage naturel est également l’objet des Congrès EC2 ou IA27 (Journées Internationales d’Avignon) qui intéressent de plus en plus le monde de l’entreprise.

  • 8  Un certain nombre de problèmes paraissent extrêmement difficiles à résoudre, à savoir : « l’intégr (...)
  • 9  Voir par exemple le système CREAM (Curriculum REpresentation and Acquisition Model), Nkambou et al(...)

24Le génie linguistique traite de TAO (depuis 1954), d’indexation automatique, d’interfaçage avec des banques de données structurées, de traitement de la parole8, de synthèse vocale, de constitution de dictionnaires électroniques et depuis peu de représentation de connaissances pour système tutoriel intelligent9. La définition qu’en donne l’association « Génie Linguistique » est la suivante :

  • 10  Plaquette du congrès « Génie Linguistique 91 », Versailles, 16 et 17 janvier.

Le génie linguistique recouvre l’ensemble des méthodes et des outils qui utilisent la formalisation des langues naturelles en vue d’un traitement informatique. Depuis des temps immémoriaux, chercheurs, auteurs ou ecclésiastiques se sont employés à mieux comprendre le sens des mots, la construction des phrases et la structure des textes : c’est l’objet de la linguistique classique… Mais il a fallu attendre les années 80 pour que de nombreuses recherches soient entreprises en génie linguistique grâce à l’intelligence artificielle. Ces travaux commencent maintenant à porter leurs fruits. Les années 90 devraient être marquées par des progrès techniques substantiels10.

25G. Sabah (Limsi/CNRS Orsay), J-C. Rault (Nanterre), M. Nossin (GSI-Erli) et J-F. Nogier (IBM), pivots de la discipline en France, sont incontournables dans la plupart des séminaires ou tables rondes. Pourtant malgré les multiples laboratoires, instituts ou associations de recherche en intelligence artificielle appliquée au langage naturel, les résultats sont loin d’être spectaculaires. Le mérite de G. Sabah dans le domaine de la génération automatique des langues a été de concevoir en deux étapes le passage d’une représentation de sens à une séquence de mots véhiculant ce sens.

26Une première génération, appelée « composant stratégique », détermine le contenu et organise l’ordonnancement du texte. Dans la deuxième étape, le composant « tactique » choisit les mots et les structures syntaxiques des phrases à générer. J-F. Nogier s’attaque à ce dernier problème en proposant des graphes conceptuels qui permettent une continuité de la forme sémantique à la forme syntaxique.

27La génération de phrases dépasse en fait, et enfin, le stade de la phrase pour atteindre celui du discours. De plus, l’ère de la machine à produire du discours « presse-bouton » semble, comme mon travail sur les bulletins météo l’avait montré en 1988, également révolue :

De nos jours, il n’est plus possible de prévoir, lors de la conception, l’ensemble des messages susceptibles d’être émis par un tel système… Le concepteur du programme ne peut donc plus préparer une série de phrases préenregistrées qu’il imprimera en fonction des requêtes de l’utilisateur, car il ne peut prédire ni les demandes, ni leurs résultats. Il est donc nécessaire de concevoir un module de génération de langage indépendant du reste du système et fondé sur des bases théoriques solides. (Nogier 1991 : 16)

28Nogier, qui n’est pas linguiste mais informaticien, prévoit toutefois des applications didactiques :

Le programme étant capable de produire des phrases grammaticalement correctes, il est possible de proposer des exercices à l’élève qui compare ses réponses à celles de l’ordinateur. De plus, l’élève a la possibilité de visualiser la façon dont la machine construit la phrase en tenant compte des règles de grammaire de la langue. (ibid. : 16)

29La difficulté, comme il le souligne lui-même, tient à la construction de la composante stratégique et à la cohérence de la représentation conceptuelle du message à engendrer : le « pourquoi dire » (définition de l’objectif par décisions pragmatiques) et le « que dire » (définition du contenu informatif du message par décisions conceptuelles). Mais il est à noter que Nogier a vu le parti qui pouvait déjà être tiré de ces recherches sur un plan didactique.

30Le concept de déclencheur de la communication (Toma 1984 : 275) que j’avais posé comme moteur d’enclenchement des processus de production dans ma « matrice de fonctionnement » avait bien pour effet de déterminer la stratégie de communication et le choix des concepts à lexicaliser, le problème est de savoir comment.

31Le programme KALIPSOS, acronyme de Knowledge Acquisition, Logical Inference Process, Symbolic Oriented Software, toujours en cours de développement au centre scientifique IBM de Paris sur la base des travaux de J. Fargues (1989), inventeur de ce processeur textuel d’acquisition de connaissances, est certainement l’un des outils les plus puissants à ce jour pour parvenir à ce but.

32L’idée d’utiliser des codes et non des mots (Toma 1984 : 279) est enfin mise en œuvre. Jean Fargues propose de coder sous une forme logique des connaissances sur les mots pour représenter les sens des phrases et effectuer des déductions sur les concepts décrits. Les graphes conceptuels obtenus par un système automatique qui les construit sont alors constitutifs d’un modèle de représentation du sens.

33Ce système utilise d’abord un analyseur morphologique et lexical basé sur un dictionnaire de mots et d’expressions et sur une liste de règles de conjugaison et de déclinaison, lequel produit des arbres syntaxiques. L’analyseur sémantique contient un lexique sémantique où sont codés les sens des différents mots par des graphes conceptuels, lesquels sont reliés à un treillis sémantique qui ordonnance les concepts.

34Les opérations de désambiguïsation, notamment pronominale, s’effectuent grâce à une table de référence qui contient les derniers concepts rencontrés. Le concept choisi parmi les possibles devra non seulement correspondre en genre et en nombre au pronom rencontré, mais aussi et surtout être compatible sémantiquement avec les mots contigus au pronom.

35Fargues reconnaît cependant que ces processus de « compréhension » sont imparfaits. Le codage des graphes conceptuels est purement analytique, dans un domaine de discours bien délimité, qui plus est. Certaines connaissances, dites « synthétiques » ne peuvent se représenter par les mêmes moyens, comme les couleurs, les odeurs, les sentiments, etc.

36Cet objectif de représentation conceptuelle généralisée du sens fait l’objet d’un débat philosophique qui paraît avoir toujours existé. D’Aristote et ses catégories universelles à Wittgenstein et son Tractatus logico-philosophicus (1921), en passant par Hume, Kant et Leibnitz qui représenta les concepts dits primitifs par des nombres premiers et les concepts complexes par des produits de ces facteurs premiers, un travail extrêmement important susceptible de nourrir la réflexion de nouveaux chercheurs pour améliorer les méthodes existantes et aller plus loin dans la formalisation a toujours été effectué dans le domaine.

  • 11  Voir à ce sujet un compte-rendu d’utilisation effectué par Alain Cazade pour le Congrès de la SAES (...)

37La recherche en matière de reconnaissance vocale (logiciels IBM ViaVoice, Dragon Speech par exemple) et en traduction automatique (logiciels Telegraph, Systran, Transcend Expert)11 a énormément progressé ces dernières années, aidée en cela par la vitesse importante des processeurs actuels.

38Pourtant les utilisateurs de ces systèmes réalisent malgré eux à quel point le traitement des opérations langagières en jeu est incomplet. Les corrections manuelles nécessaires prennent encore autant de temps que si l’ensemble de la tâche avait été effectué manuellement.

39Il suffit d’utiliser le correcteur orthographique de Word 2000 pour se rendre compte à quel point des progrès restent à faire. Si le correcteur lexical donne dans l’ensemble des résultats satisfaisants (je viens de taper « orhographique », et le correcteur me propose « orographique » et « orographiques », mais pas « orthographique » !), le correcteur grammatical voit plus de problèmes là où il n’y en a pas que là où il y en a… Il peut même de fait engendrer des erreurs pour quelqu’un qui connaît mal les règles syntaxiques de la langue.

40Les ouvrages à visée épistémologique les plus récents soulignent le caractère « imparfait » des recherches entreprises jusqu’à présent, à savoir :

  • 12  L’ouvrage de vulgarisation d’Hervé Chaudet et Liliane Pellegrin, 1998 : Intelligence Artificielle (...)

Dans le cadre du traitement automatique du langage, les problèmes importants à résoudre semblent être, actuellement, la représentation correcte du discours par un système artificiel. Il s’agit donc de gérer les inférences et références à faire adéquatement. (Chaudet & Pellegrin 1998 : 124)12 

Sans avancer d’un iota dans la démarche, Chaudet cite V. Pratt (1995) :

À rigoureusement parler, il n’y a pas véritablement d’histoire de l’émergence de l’intelligence artificielle. Il n’y a que des projets épars, tous différents, certains fructueux, d’autres avortés, dont la pertinence ne nous apparaît qu’à travers le prisme de notre actualité.

41Ce constat laisse à penser que tout travail dans la discipline est une pierre apportée à la construction d’un édifice dont la conception globale est pour l’instant non envisagée, mais pas inenvisageable. La motivation peut être d’autant plus grande que le chantier est difficile et l’échec éventuel excusable.

42Le paradoxe de la problématique est que ce sont des informaticiens qui s’attachent à résoudre les multiples problèmes que posent les processus d’analyse et de production de sens, alors que les seules personnes compétentes dans le domaine, ou du moins qui sont les plus susceptibles d’apporter des solutions aux problèmes posés, sont les linguistes, dont pourtant bien peu se préoccupent de traitement de langage naturel.

43Tenter de mettre à plat le sens, essayer de construire une modélisation des connaissances (plusieurs sont possibles, à condition qu'elles soient opérationnelles), c'est pour certains toucher au sacré, toucher à ce que l'homme a de plus inaccessible. Le problème est que refuser cela, c'est accepter de ne pas chercher à résoudre la plupart des problèmes de compréhension ou de production de sens auxquels l’ensemble des linguistes (pas seulement les sémanticiens) se trouve régulièrement confronté, et qui renvoient pour la plupart à la notion de représentation d'un référentiel.

44Il est difficile en fait pour de nombreux linguistes, pourtant « ingénieurs » du sens, de sortir des sentiers battus éminemment spécialisés que sont la littérature (au moins une spécialisation par auteur), ou la civilisation. Traiter le discours scientifique ou juridique, d’une importance capitale pour la compréhension du monde d’aujourd’hui, réfléchir ou inventer en didactique, en particulier en didactique multimédia, n’est pas encore bien vu dans certaines sections de langue, en espagnol ou en allemand par exemple, à l’inverse des anglicistes de la 11e section du CNU qui font preuve depuis quelques années d’un encourageant esprit d’ouverture.

45Les spécialistes en linguistique, avec leurs nécessaires différences, sont certainement les plus ouverts, même si une certaine tradition a parfois encore la vie dure. Signaler par exemple l’apparition de grammaires explicatives montre à quel point l’explication en grammaire ne semble pas aller de soi à la fin des années 90. À propos des grammaires explicatives du français (Léard), de l’anglais (Larreya et Rivière) et de l’espagnol (Pottier, Darbord, Chareaudeau), André Joly fait état de la justification de ce qualificatif qui est donnée dans la préface de la grammaire de l’espagnol :

Cette Grammaire explicative de l’espagnol n’a pas pour but de remplacer, mais plutôt de compléter les grammaires descriptives déjà publiées. Les auteurs se sont efforcés d’aborder les questions sous différents angles, afin d’habituer le lecteur à raisonner et à comprendre, si la théorie est bonne, le pourquoi des phénomènes linguistiques. (Joly 1996 : 9)

et Joly poursuit :

Rares sont les linguistes qui s’interrogent de manière explicite sur le rôle de l’explication dans leur champ de recherche. (ibid. 1996 : 10) 

  • 13  Les travaux de Jean-Pierre Desclés, pas toujours accessibles pour un non-logicien, sont toutefois (...)

46Heureusement, la linguistique de l’anglais en France possède, depuis le début des années 70, une tradition de recherche d’explications des phénomènes linguistiques et langagiers, sous l’impulsion de linguistes comme G. Guillaume, H. Adamczewski, A. Culioli, C. Fuchs et J. Guillemin-Flesher entre autres. Mais peu de tentatives ont été envisagées en direction du traitement formel du langage13. Ce qui semble certain pourtant, c’est que cette recherche ne peut se passer de la compétence des linguistes que nous sommes. Si les travaux dans ce domaine-ci sont encore loin d’aboutir, c’est peut-être parce que les linguistes, souvent plus littéraires que scientifiques (si tant est qu’à un certain niveau ces deux « catégories » puissent s’opposer), ne croient pas, à tort à mon sens, en leur aptitude à pouvoir formaliser des idées, des sentiments, des impressions, des concepts.

  • 14  Il n’a fait aucune référence à ses travaux passés lors la conférence ECCS’99 (European Conference (...)

47La linguistique a pour l’objet le langage dans son ensemble. Comment peut-on se contenter par exemple d’étudier la syntaxe sans étudier le sens, ou inversement ? Chomsky lui-même a bien changé sur ce plan14. La pragmatique, la connaissance des domaines de spécialité et de la référence sont également indispensables à la compréhension et la production de discours.

48Antoine Culioli nous a montrés depuis trente ans à quel point des mots apparemment « anodins » de la langue, tels qu’articles, adverbes ou possessifs étaient les traces de surface de processus sémantiques profonds.

Que l’on en juge par les exemples suivants (qu’il n’est pas le lieu de traiter ici) :

- J’aime le café, j’aimerais du café, je bois du café
- *J’aime du café
- ?J’aimerais d’abord le café, je bois le café

ou encore :

  • 15  Exemples d’Antoine Culioli, séminaire de linguistique du CELA (Centre d’études de linguistique ang (...)

- Il s’est comporté avec sagesse
- *Il s’est comporté avec une sagesse / de la sagesse
- Avec de la sagesse, on réussit toujours
- Il s’est comporté avec une sagesse inhabituelle
- *Il s’est comporté avec une sagesse habituelle
- Il s’est comporté avec sa sagesse habituelle15

49La leçon que nous a toujours donnée Culioli est de commencer d’abord à traiter ce qui paraît aller de soi : que signifie « est-ce que », « par exemple » ? Toute tentative d’explication fait selon lui traverser trois niveaux dans l’activité langagière.

  • Le premier est celui des opérations mentales où se construisent les représentations : relations primitives (intentionnalité, localisation, agentivité), notions avec propriétés formelles, catégories grammaticales associées à des jeux de marqueurs (aspects, modaux), schémas de lexis et instanciations de schémas de lexis.

  • Le deuxième est celui du texte phonique ou graphique qui contient les traces de l’activité de niveau 1, les mots étant les représentants de représentations.

  • Le troisième est le niveau métalinguistique qui est traversé lorsque le texte est pris comme objet. La métalangue de la grammaire invente ou identifie des représentants de représentants.

50Il est nécessaire dans cette perspective d’avoir une théorie des observables, l’observable étant un objet empirique qui a un correspondant métalinguistique dans un cadre métalinguistique. Culioli ajoute que tout projet de formalisation doit être sensible aux observations les plus infimes et pouvoir s’adapter de façon à effectuer la transition la plus juste possible entre la réalité la plus banale et l’abstraction. Le travail doit être passionné et non passionnel, la confrontation aux problèmes n’étant pas un affrontement. Les dispositions d’ouverture et d’adaptabilité, l’espoir en la découverte de solutions modestes, mais qui pourraient être in fine constitutives d’une histoire scientifique en train de se construire, ont été les conseils que les linguistes ont reçus de Culioli.

51C’est en direction d’une construction théorique globalisante qu’il est nécessaire de réfléchir pour permettre une quelconque progression dans le domaine. Partir des réalités du terrain est essentiel, le mien étant d’abord la langue, puis la didactique de la langue scientifique et la didactique multimédia. C’est à partir du terrain que l’abstraction et la théorisation peuvent s’opérer.

  • 16  Il n’est pas inutile de se replonger parfois dans la lecture d’ouvrages anciens, surtout en matièr (...)

52L’abstraction ne se crée pas ex nihilo en matière de formalisation de l’activité langagière comme en d’autres matières. Édouart Le Roy nous donne un exemple dans le domaine des mathématiques16 :

Essayons de concevoir une Géométrie pure… Bornons-nous à la notion commune dont se contentent pratiquement les géomètres, celle de l’intuition, entendue — quelle qu’en soit l’origine — comme un certain genre de perception idéalisée qui ne porte que sur des formes limites. Il faut dire alors que la Géométrie analyse notre intuition de l’espace. (Le Roy 1960 : 17)

53Si cet article voit le jour aujourd’hui, c’est d’abord parce que ce travail multidisciplinaire puisque alimenté par des recherches d’ordre didactique pour résoudre ces questions d’ordre linguistique, a fourni quelques résultats, développés ci-après : concept de la « mise en média » (Toma 1999a), délimitation de couches dans le niveau pré-verbal avec la notion de « trames discursives conceptuelles » et exemples de représentations de sens.

54C’est aussi parce que de nombreux linguistes, avec des moyens nouveaux (sur le plan logiciel et matériel), semblent depuis peu vouloir donner un élan nouveau à ce type de recherche.

Expérience

55Il n’est jamais aisé dans un article de faire un compte-rendu d’expériences surtout lorsque le « terrain » d’expérimentation est de nature multimédia. C’est pourtant au cours de ces expériences que la notion de trames discursives conceptuelles s’est forgée peu à peu. Un exemple significatif peut néanmoins être proposé à condition de mettre simplement en évidence le but recherché et le résultat obtenu. Le texte à partir duquel est construite la tâche didactique qui va amener les apprenants à délinéariser le texte pour en dépasser la frontière est donné à l’annexe 1 (texte « Dark Matter is still the only game in town » du New Scientist du 7 janvier 1995). Il s'agit de réorganiser ce texte en vue d'un exposé.

56Au préalable, les étudiants disposent d'une méthode pour la compréhension écrite qui leur fait prendre en compte :

  • le contexte sémiotique

  • les outils lexicaux et syntaxiques pour l'anglais scientifique

  • des techniques de déduction basées sur l'étymologie, la connaissance du domaine de spécialité et la logique contextuelle.

Leur tâche consiste à :

  • utiliser la méthode de compréhension

  • chercher sur Internet les informations scientifiques qu'ils n'auraient pas en leur possession

  • effectuer un plan détaillé du texte (recherche des mots porteurs de sens et des relations qu'ils entretiennent). Un plan détaillé est communément assimilable à la rédaction en style télégraphique d'un contenu informationnel présenté sous forme linéaire. Il constitue l'image épurée du texte, dépouillé de l’« enrobage » ou des liants linguistiques nécessaires à la matérialisation dans une langue donnée de toute mise en discours

  • rédiger le plan particulier de leur exposé.

57En effet, la préparation de l'exposé consiste à dépasser le stade du plan détaillé pour passer à celui de la réorganisation discursive (explicitation du non-dit, synthèse des informations de même type, ordonnancement différent) afin que chacun choisisse un éclairage particulier pour son travail d’expression orale. La suite du travail consiste à s’entraîner à improviser la forme de l’exposé à partir du plan détaillé. L’exposé n’est pas de l’écrit oralisé. Aucune mémorisation n’est à effectuer puisque le contenu informationnel à communiquer peut se visualiser sur le plan détaillé. La communication, l’expression orale de ce contenu est, elle, unique à l’instant t de l’exposé. Il s’agit de « vivre » son discours et surtout pas de réciter mot à mot un texte écrit à un autre moment (éventuellement par quelqu’un d’autre).

58Une réalisation informatique de ces activités leur est proposée à l’aide du logiciel LAVAC : hypertexte pour accéder à l’enregistrement du texte et à des aides phonétiques, textuelles, grammaticales, et zones de réponse pour l’enregistrement de leur exposé en numérique.

59Ils disposent de séquences vides, avec un temps d’enregistrement préétabli de 10, 15 ou 20 secondes. L’intérêt des séquences LAVAC est de pouvoir réenregistrer une partie de leur exposé, à n’importe quel endroit, et sans effacer la suite, ce qui est le cas en analogique ou en utilisant un fichier numérique classique. Un réglage dans le LAVAC leur permet même, s’ils le souhaitent, d’enregistrer la version de la partie modifiée à la suite de la partie d’origine pour comparer les différentes productions (l’écran indiquant les tâches à effectuer est donné en Annexe 2).

60L’essentiel du travail va donc moins porter sur la réalisation — classique — du plan détaillé que sur la tâche de délinéarisation du texte de spécialité qui va conduire à en saisir l’ensemble de ses composants pour une réappropriation individuelle.

61Michel Perrin (1998) défend à juste titre le processus de déconstruction–reconstruction engagé lorsqu’il s’agit de comprendre et de reformuler du discours autrement. Ce processus est applicable ici. La mise en trames constitue de fait une déconstruction formalisée du texte pour une reconstruction ultérieure, l’exposé spécifique.

62Une étape vers la déconstruction peut s’obtenir par un simple tri des mots par ordre alphabétique à l’aide de Word qui fait apparaître ici une très faible proportion de vocabulaire spécialisé (moins de dix mots différents). Le problème, encore une fois en langue de spécialité, n'est pas le vocabulaire, mais les connaissances scientifiques et implicites nécessaires à sa compréhension. En effet, une fois les mots compris à l’aide des aides textuelles prévues dans la leçon LAVAC, le sens du texte pour certains était loin d’être maîtrisé, phénomène classique s’il en est (« Monsieur, je comprends les mots, mais pas le texte ! »).

63De multiples travaux en langue de spécialité ont montré en effet que sa spécificité tient beaucoup moins à la terminologie qu’aux processus ou aux domaines scientifiques appréhendés. Un texte d’imagerie médicale fera appel à une terminologie étrangère au non-spécialiste (tomographie à positrons, par exemple), pourtant la cartographie du cerveau qui en résulte est d’une lisibilité parfaite même pour le novice.

64Ici, à l’inverse, le texte « Dark Matter » sur la matière invisible de l’univers comporte très peu de vocabulaire spécialisé (nébuleuses, gravité, relativité), mais est imperméable à toute personne ignorant les théories de Newton et d’Einstein. En dehors des textes utilisant des termes particuliers servant à la désignation (vocabulaire du corps humain ou références sibyllines pour désigner des champignons, des fleurs ou des roches, qu’il suffit d’apprendre comme tout mot de vocabulaire), la difficulté tiendra le plus souvent à la compréhension des concepts scientifiques ou technologiques invoqués auxquels il s’agit d’accéder.

65Pour cela, dépasser la frontière du texte est une nécessité. Le texte en effet n'est qu'un accident. C'est le produit d'une mise en discours effectué par un auteur à un certain moment en direction d'un destinataire cible pré-identifié. À un autre moment, le texte produit par le même auteur serait forcément différent même avec un contenu informationnel à communiquer identique. C'est à ce contenu qu'il faut tenter d’accéder de façon systématisée par une représentation formelle.

66La première tâche est la représentation graphique et linéaire de l’ordonnancement des informations contenues dans le texte, à savoir un plan détaillé classique. Un minimum de mots (3 ou 4) doit être utilisé pour l’expression de ces éléments d’informations. Les opérateurs logiques permettant le lien entre ces éléments seront représentés par des outils classiques (flèches de couleur, signes, parenthèses) pour indiquer des relations de cause à effet, des énumérations, des appositions. Un code sémiologique en couleur (difficile à repérer dans une publication en noir et blanc) fera apparaître les mots porteurs de sens, les suppositions de l’auteur, son point de vue.

67Le contenu du texte est alors représenté dans son intégralité sous la forme d’une trame discursive qui se déroule linéairement à un niveau encore proche de la surface.

Figure 1. Plan détaillé du texte

Figure 1. Plan détaillé du texte

68La sémiotique du plan permet de distinguer les éléments importants (dans l’ordre croissant : bleu, bleu gras, rouge), alors que les éléments écrits en vert correspondent à ce qui n’est pas expliqué. Comment peut-on introduire un terme exponentiel dans une équation newtonienne, qu’est-ce qu’un modèle non-relativiste, pourquoi est-il question de courbure de la lumière, la référence à Einstein est-elle suffisante, qu’est-ce qu’un graviton, un pulsar binaire, pourquoi sa gravité diminue-t-elle, qu’est-ce qu’un périhélie et pourquoi faut-il expliquer les décalages de l’orbite de Mercure ? Enfin le « still the only game » du titre doit être expliqué.

  • 17  Ce qui n’apparaît pas dans le plan par rapport au texte concerne les prénoms des chercheurs taiwan (...)

69Le texte ne contient plus que 202 mots au lieu des 589 de départ. Cette forme de plan atteint son but si la lecture ultérieure du texte n’apporte pas d’informations supplémentaires, même de détail17. Une fois l’étude documentaire effectuée pour répondre à ces questions, un deuxième type de trames peut alors être construit. Il s’agit cette fois de faire apparaître le raisonnement logique qui sous-tend l’argumentation du texte en explicitant le non-dit scientifique. Un problème est posé, celui de la grande vitesse des étoiles en bordure des galaxies en spirale, et il faut trouver des solutions pour le résoudre.

Figure 2. Réorganisation discursive

Figure 2. Réorganisation discursive

70Dans ce deuxième type de représentation, le non-dit est explicité en vert, et la problématique apparaît plus clairement sans perte d’informations (certains détails sont volontairement omis sans que le problème ne perde de sa dimension).

Résultats

  • 18  Il ne s’agit pas de l’ouvrir en deux, mais de repérer le type de porte (à ouverture manuelle ou à (...)

71Le premier résultat est que l’explicitation du non-dit est une étape vers la prise de conscience de ce qui est verbalisé par rapport à ce qui ne l’est pas. C’est le rapport entre le dit et le non-dit qui fait sens. Tout discours fait appel à des présupposés. « Ouvrir une porte » n’a apparemment pas de rapport avec « ouvrir un livre » ou « un poulet ». Dans le cas d’une porte, les présupposés sont étonnamment nombreux18.

72Le problème qui se pose alors est d’abord de comprendre les raisons de la verbalisation par rapport à celles de la non-verbalisation et ensuite de tenter de déterminer le lieu du passage entre le verbalisé et le pré-verbal. Aller plus loin dans la représentation du sens est une nécessité. Il faut poser la nature de cette limite, la franchir et se situer en amont de la mise en discours, au niveau pré-verbal, pour, à défaut d’observer, tenter d’imaginer ce qui s’y passe.

73La mise en discours est classiquement l'acte d'énonciation par lequel va s'effectuer, en fonction d'un ou plusieurs buts, un calcul sur un certain nombre de représentations de la réalité extralinguistique. Cet acte dynamique préexistant à tout discours, souvent occulté par l'analyse ou au mieux dévoilé de façon parcellaire en didactique, fait partie d’un processus plus général, que j’ai posé (Toma 1999 : 417) et que j’appelle mise en médias.

  • 19  C’est la recherche en multimédia qui a alimenté ma réflexion dans ce domaine. En réaction avec la (...)

74La mise en médias est une inscription sémiotique, par exemple textuelle, sonore, graphique, kinésique (langage du mouvement), à l'instar de la mise en scène, de la mise en discours, de la mise en image ou en peinture. Elle peut également être multimédia lorsque plusieurs médias sont utilisés19.

75C’est le lieu d’actualisation de toute construction mentale signifiante susceptible de se matérialiser en surface sous une forme ou sous une autre. Tout contenu informationnel prêt à être exprimé n’a pas franchi la limite de la mise en médias tant qu’il n’est pas totalement exprimé. Dans l’expression linguistique orale, les gestes, la prosodie qui accompagnent le discours sont des moyens qui participent de la mise en média.

76Tenter de formaliser l’activité langagière, c’est en fait essayer d’entrer dans l’épaisseur de ce niveau pré-verbal, commun aux langues. Cette recherche entreprise à présent depuis de nombreuses années a fourni d’autres résultats.

77La première « couche » rencontrée est ce que j’appelle le niveau des trames conceptuelles. Ces trames vont faire apparaître les éléments du calcul effectué sur les représentations. Si le moyen d’expression utilisé est de type discursif, ces trames seront alors dites discursives conceptuelles.

78La difficulté lorsqu’on pénètre dans ce niveau est de disposer d’outils d’analyse. Deux notions posées au départ pour l’analyse du discours scientifique (Toma 1984 : 95, 287), le degré de scientificité et le degré de didacticité, inhérents à tout discours, sont toujours exploitables pour identifier et de caractériser les différents choix d’éléments d’information d’une production discursive.

79Elles permettent d'identifier pour chacun des textes les différents concepts balayés par l’auteur et de déterminer, au travers de l’évaluation du degré de scientificité, les éléments de chaque domaine de connaissance exploré (à la fois dit et non-dit), par rapport à ceux qui ne le sont pas. Il faut ensuite pondérer l’importance, évaluer le poids, de chaque concept « interpellé », et reconstituer la façon dont chacun d’eux est plus ou moins développé (degré de didacticité), pour faire apparaître la trame discursive conceptuelle.

  • 20  PC Expert de février 2001 décrit, page 45, le logiciel d’analyse documentaire Acetic Tropes Zoom 4(...)

80Ces degrés sont définis pour l’instant manuellement et comparativement à d’autres textes, mais plusieurs outils d’analyse informatique existent aujourd’hui20. Ce n’est qu’en comparant un très grand nombre de textes sur des sujets semblables que l’on pourra établir des normes d’évaluation de ces différents niveaux avec gradations allant de 0 à 100 par exemple. Des analyseurs de degré de scientificité et de didacticité devraient ainsi pouvoir être construits.

81Dans notre texte, le problème du comportement étrange des étoiles en périphérie des galaxies en spirale est traité succinctement, mais le niveau de scientificité n’est pas négligeable (supérieur à la moyenne, poids de 70 par exemple). En revanche, les explications sont rares et le niveau de scientificité est faible (poids de 10 par exemple). La conjonction de ces deux paramètres est constitutive du choix des éléments d’information issus des champs thématiques traversés.

82Ces trames font ainsi apparaître les concepts choisis parmi une gamme de possibles et surtout le calcul sémantique effectué sur ces concepts. On obtient un parcours, un réseau, dont les liens peuvent être paramétrés. L’ordonnancement des liens est, lui, caractéristique des intentions et du fonctionnement mental, onomasiologique de l'auteur.

83La mise en évidence de la trame discursive conceptuelle propre à un texte donné a pour but, pour l'ensemble du texte et de façon hiérarchisée, de dévoiler les éléments du calcul d'un énonciateur sur les concepts qu'il met en œuvre, en insistant autant sur ce qui relève de l'objectif (le culturel et le logique), en fait du subjectif culturellement attesté, que du subjectif personnel (sa marque propre).

Figure 3. Trame discursive conceptuelle

Figure 3. Trame discursive conceptuelle

84Cette trame, à l’inverse des précédentes, se situe au niveau pré-verbal. La représentation est loin d’être aisée, mais les liens entre les différents champs thématiques abordés apparaissent clairement ainsi que le parcours en gris, du début (« observations ») à la fin (« impossible »). Il n’est pas envisageable ici de représenter ces champs conceptuels par des codes car cela supposerait qu’un modèle de représentation par codes existe déjà, mais le passage au français indique artificiellement le changement de niveau (passage dans le pré-verbal).

85Le plan communicationnel ci-dessus décrit fait apparaître à gauche la logique argumentative (« des solutions sont proposées, mais aucune n’est satisfaisante »), et à droite les éléments du calcul sur un niveau préexistant, qu’il faut bien poser, à savoir le niveau idéel, c'est-à-dire celui des idées, des informations potentiellement communicables. Ce niveau correspondrait au niveau plus ou moins stabilisé des domaines de la connaissance, avec leurs multiples champs thématiques et leurs multiples interconnexions.

86La notion de méta-texte (Martin 1998) qui renvoie à l'éventail des potentialités conceptuelles et discursives préexistant à tout discours trouve une place essentielle dans cette deuxième couche, le « plan idéel ». Pour entrer plus profondément dans ce niveau, il faut se poser la question de ce qui le constitue. Il peut être envisagé comme un ensemble d’éléments d’information reliés par des opérateurs logiques. Le problème est alors de définir un élément d’information.

87En attendant un développement éventuel de cette piste de recherche, ce niveau est accessible aux étudiants. Ils ont une vision du relief du texte et peuvent plus facilement se situer différemment par rapport à lui dans le cas de textes traitant de façon complémentaire du même sujet. En choisissant un point de départ différent, en explicitant le non-dit, en synthétisant les informations de même nature, le même contenu informationnel peut être alors exprimé d’une façon totalement différente.

88Pour définir un élément d’information, il est nécessaire de poser à l'origine du niveau idéel une troisième couche, le « plan conceptuel », celui de la représentation des référentiels organisée en réseau qu'il faut bien tenter de mettre à plat. La formalisation sera en effet insuffisante tant que l'on n'aura pas mis en évidence des méta-concepts communs : qu'est-ce qu'un lieu, que signifient aller, passer, devenir, être, qu'est-ce que la durée, qu'est-ce qu'un espace (de lieu ou de temps), une borne, etc.

89Il devrait être possible de poser l’existence d’un certain nombre de méta-concepts de base (moins d'une cinquantaine) qui donnerait naissance à un nombre de concepts relativement maîtrisable (entre 1000 et 1500) à l'instar de ce qui est proposé par un certain nombre d'ouvrages dont le Lexicon (Mc Arthur 1980). Tout doit être défini.

90Les travaux de Bernard Pottier (1992a et b), bien connu des linguistes anglicistes même s’il est hispaniste, sont particulièrement précieux dans le modèle théorique qu’il fournit et dans les représentations formelles des concepts de base (noèmes) qu’il propose en utilisant la logique floue et/ou la théorie de la catastrophe de R. Tom (Pottier 1992a : 83-87). La voie qu’il propose est réellement innovante, et ne demande qu’à être prolongée vers la construction d’un modèle général de représentation du sens exploitable informatiquement. Il ne s’agit pas pour autant de reconstituer ce qui se passe dans le cerveau lorsque nous produisons du discours. C’est le travail des neuro-psycholinguistes et l’anthropomorphisme n’est pas de rigueur en la matière.

91Les concepts fondamentaux seraient ainsi les plus petits dénominateurs communs de sens communs à tous les sens. Une progression, du plus simple au plus complexe, pourrait être définie, à savoir dans l’ordre les méta-concepts (exemple : lieu, position (haut, bas), déplacement, non-déplacement,), les concepts ou combinaison de méta-concepts (déplacement dans la durée pour définir le temps, déplacement en dehors d’un lieu pour « sortir »), les concepts corrélés ou combinaison de concepts (sortir + soudainement pour « jaillir »), les représentations ou concepts en contexte (un objet physique impliquant un jaillissement dans un contexte de mécanique renverra à « ressort », un objet construit impliquant un jaillissement dans un contexte de saison renverra à « printemps »).

92Il ne s’agit bien évidemment pas ici de construire une théorie ou un modèle de représentation du sens, mais simplement de lancer quelques pistes de réflexion visant, certainement avec d’autres pistes à défricher, à aider les chercheurs en intelligence artificielle à progresser de manière plus significative.

  • 21  LAIRDIL (LAboratoire Interuniversitaire de Recherche en DIdactique des Langues), Université Toulou (...)

93Un objectif théorique important serait de pouvoir obtenir une articulation dynamique précise entre le plan conceptuel, le niveau idéel et les trames discursives conceptuelles jusqu’à la mise en média. Dans cette perspective, un « Modèle communicationnel » est proposé en discussion dans le forum du site du LAIRDIL21. Ce modèle, en couleur et animé sur le site, fera l’objet d’un prochain article. Il sera également discuté dans le sous-groupe « Sciences exactes » lors du prochain congrès du GERAS à Bordeaux. Il est présenté ci-dessous pour information :

Figure 4. Modèle communicationnel 1

Figure 4. Modèle communicationnel 1

Figure 5. Modèle communicationnel 2

Figure 5. Modèle communicationnel 2

Projets de recherche

94Même si l’objectif d’une construction théorique globalisante n’est jamais atteint, l’essentiel dans un premier temps serait de faire état de l’existant, de réunir des pistes éparses que leur nombre finit pourtant par rendre complémentaires (119 publications par exemple sont données par le site d’intelligence artificielle du MIT lorsque le mot « language » est entré).

95Le séminaire « La sémantique en France au XXe siècle » qui s’est tenu à la Sorbonne le 16 juin 1998, animé entre autres par Raymond Martin et Bernard Pottier, constitue la vitrine de ce qui a été accompli dans le domaine de l’analyse et des représentations formelles du sens.

  • 22  Signalons par exemple, en provenance de différents laboratoires du CNRS, les cartes conceptuelles (...)

96Les séminaires de sémantique de l’université de Caen présentés par Jacques François et Bernard Vittori, ou le LaCo de Poitiers (Laboratoire Langage et Cognition, CNRS EP 1594) ont contribué à produire des classifications fines du lexique sous l’angle de la psychologie cognitive en proposant comme thèmes, par exemple, « la construction d’espaces sémantiques associés aux verbes de déplacements d’objets », « les représentations unifiées des sens d’un verbe » ou « le traitement automatique de la polysémie des verbes »22.

97L'intelligence artificielle a certes connu une période de découragement entre les années 85 et 95. De nombreuses sociétés de robotique ont fait faillite. Les projets prévus n'ont pas abouti, simplement à la fois parce que la puissance des processeurs était trop faible pour traiter en parallèle le grand nombre d'informations nécessaires à la production de discours et également parce que ce traitement n’était et n’est toujours pas sous-tendu par le moindre embryon de théorie linguistique.

98L’exemple certainement le plus significatif nous est donné par le site du MIT23. Le robot Start nous invite à dialoguer avec lui par l’intermédiaire d’une boîte de dialogue. La déception est patente si on lui demande le temps qu’il fait. Il nous renvoie sur le site de la station météo la plus proche. Si on lui demande une définition de l'intelligence, il nous renvoie sur la définition que donne le MIT par ailleurs. Il ignore ce que signifie « penser », « savoir » ou « apprendre ». Nous sommes toujours en fait en présence d'un robot presse-bouton qui identifie des mots-clés, à la manière du minitel de la SNCF, à partir desquels il restitue des textes préparés. Ce n’est certainement pas encore de l'intelligence !

99L'intelligence consiste de mon point de vue en l'aptitude à pouvoir comprendre son environnement et à répondre aux différents stimuli envoyés par cet environnement par une réaction appropriée lui permettant de satisfaire le but qu’elle s’est fixé. Donner l’intelligence à la machine n’est pas une tâche inenvisageable, mais pas en tous les cas dans un avenir proche.

  • 24  Hans Moravec, « L’ère des robots », Pour la Science, 267, 88-94, 26 janvier 2000.

100Les experts en intelligence artificielle sont néanmoins persuadés que grâce au développement de la puissance des processeurs qui suit pour l’instant les évolutions prévues par la loi de Moore (puissance doublée tous les dix-huit mois), grâce à la baisse des prix qui permet de multiplier aisément leur nombre, l’intelligence de l’ordinateur va passer du niveau de l’insecte où elle se trouve actuellement, à celui du rat dans 20 ans, du singe dans 40 ans et d’un niveau proche de celui de l’homme dans 50 ans24.

101Mais cela ne se fera pas sans modèle théorique. Ce n'est qu'en essayant de mettre en évidence des unités de sens corpusculaires communes à toutes les représentations, et leurs possibilités de combinaison (un peu comme les atomes et les molécules pour la matière), que pourra se dégager une modélisation d'un système de construction et de production du sens, indépendamment des moyens utilisés pour l'exprimer, à savoir en l'occurrence les mots d'une langue.

  • 25  « Mental Images Embodied in Text », communication présentée lors du XXI Colloque du GERAS à Dijon, (...)

102Au plan idéel, la représentation des concepts par des codes s’établirait à partir de règles arbitraires, mais les plus logiques possible, et les liens entre chacun d’eux pondérés. Un projet inspiré des travaux de Kathryn English25 pourrait d’ailleurs permettre d’établir cette pondération de manière scientifique.

103Ce projet de collaboration pourrait être amorcé au sein du GERAS, pour établir la force des liens entre un concept de départ et des concepts corrélés, suite à une enquête qu’elle a réalisée avec ses étudiants au sein de l’IWE (International Writing Exchange). Disposant de deux populations d’étudiants, les Américains et les autres (non-native speakers), elle a posé à chaque étudiant des questions du type : « Is there such a thing as true love? » et analysé les différences dans les réponses en fonction des différentes cultures. Un classement en pourcentage des réponses permet de voir à quels concepts le mot love est associé. Le mot time pour les Américains est par exemple sans surprise massivement associé à money.

  • 26  Le serveur du laboratoire LAIRDIL pourrait convenir.

104Il serait par exemple possible d’installer sur un serveur26 un questionnaire où les associations se feraient pour chaque concept à l’aide de trois mots (ou expressions brèves) maximum. La relation entre le concept de départ et chaque concept associé serait de plus pondérée dans un intervalle compris entre 1 et 0. « Temps » pourrait par exemple être associé à « loisir  collectif » à 50 % (0,5), à « loisir individuel » dans 30 % des cas et à « argent » dans 20 % des cas.

105Les résultats pourraient être automatiquement analysés et une carte conceptuelle pour chaque concept, en données brutes (il reste ensuite à définir à un niveau plus profond ce qu’est le temps, l’argent, un loisir individuel, collectif), pourrait être construite en fonction des cultures. Ce ne serait qu’une modeste piste, mais c’est par la multiplicité des pistes que cette recherche pourra, espérons-le, être féconde.

Conclusion

106Ce travail peut paraître difficile et avec des chances de succès limitées, mais de nombreux travaux dans ce domaine l’ont été encore plus sans résultat réellement positif. Cette difficulté n’apparaît pas insurmontable, surtout si elle est le fruit d’un travail collectif. C’est ce travail de formalisation langagière par des linguistes, au moins sur papier, qu’il manque aux informaticiens pour aller plus loin dans le domaine de la traduction ou de la reconnaissance vocale.

107Il ne s'agit pas en fait de tenter d’élaborer une formalisation de la pensée première, originelle, mais au contraire un modèle abstrait et arbitraire, un génotype qui n'aurait aucune valeur d'universalité, mais qui nous permettrait simplement de proposer une organisation cognitive de la pensée qu’il faut bien un jour se hasarder à entreprendre. La construction d’une dépendance hiérarchique entre concepts « à la Harris » n’est plus à l’ordre du jour, mais les travaux récents sur les rapports d’agencement par topologie sémantique (plus ou moins proche sémantiquement) sont prometteurs.

108Seuls les linguistes paraissent pouvoir donner un nouvel élan à cette recherche. Les linguistes anglophones et francophones sont bien sûr concernés, mais également tous ceux, psychologues ou philosophes, qui s'intéressent aux mécanismes du langage. Comme dans le domaine du multimédia où les « tuyaux » existent alors que les contenus didactiques tardent à circuler, les outils d’analyse de corpus, soutenus par des microprocesseurs puissants, ainsi que les outils formels (réseaux neuronaux et logique floue, que je préfère appeler « logique du flou », le flou étant le propre de la réalité que nous appréhendons en permanence) sont bel et bien présents.

109C'est simplement, tout autant que difficilement, à nous de jouer, notre objectif premier étant d’abord de nous satisfaire de nos travaux de linguistes, analystes de la langue – mécaniciens du langage – traducteurs – communicateurs.

Haut de page

Bibliographie

Borillo, M. & G. Sabah. 1988. « L’ambiguïté et la paraphrase en traitement automatique du langage ». Actes du colloque de Caen du 9 - 11 avril 1987. Caen : Centre de publications de l’université de Caen.

Brown, D. C., D. Bruce & A. Trigoboff. 1974. The CHRONOS Language Understanding System. New Brunswick, NJ : Rutger University publications.

Burton, R. 1976. « Semantic grammar, an engineering technique for constructing natural language understanding systems ». BBN report 3453. Stanford, CA : University of Stanford.

Chaudet, H. & L. Pellegrin. 1998. Intelligence artificielle et psychologie cognitive. Paris : Dunod.

Chomsky, N. 1965. Aspects of the Theory of Syntax. Cambridge, MA : MIT Press.

Colmerauher, J. 1976. Les grammaires de métamorphose, Groupe d’Intelligence Artificielle. Université d’Aix-Marseille : Publications de la Faculté des Sciences de Luminy.

Fargues, J. 1989. « Conceptual graph information retrieval using linear resolution, generalization and graph spitting ». 4th Annual Workshop on Conceptual Graph. Detroit MI.

Fillmore, C. 1968. « The case for case ». In Bach E. & R. Harms (dir.), Universals in Linguistic Theory. New York : Holt-Rinehart-Winston, 1-90.

Guillaume, G. 1968. Temps et verbe, l’architectonique du temps dans les langues classiques. Paris : H. Champion.

Guillemin-Flesher, J. 1981. Syntaxe comparée du français et de l’anglais, Problèmes de traduction. Gap : Ophrys.

Harris, Z. 1971 [1968]. Mathematical structures of Language. Traduit par C. Fuchs, Monographies de linguistique mathématique numéro 3. Paris : Dunod.

Haton, J-P., J-M. Pierrel, G. Perennou, J. Caelen & J-L. Gauvain. 1991. Reconnaissance automatique de la parole. Paris : Dunod Informatique, Bordas.

Hendrix, G. 1976. « The LIFER manual: A guide to building practical natural language interfaces ». Technical note 138, Menlo Park, CA : Artificial Intelligence Centre, BRI.

Joly, A. 1996. « Des faits à expliquer aux faits explicateurs ». Modèles Linguistiques, Tome XVII, Fascicule 2, URA 1030. Lille : ENSAM.

Le Roy, E. 1960. La pensée mathématique pure. Paris : PUF.

Martin, J. 1998. « Science et réthorique : la double articulation ». ASp 19-22, 5-16.

McArthur, T. 1980. Lexicon of Contemporary English. Harlow, Essex : Longman.

Nkambou, R., G. Gauthier & C. Frasson. 1997. « Un modèle de représentation des connaissances relatives au contenu dans un système tutoriel intelligent ». Sciences et Techniques Éducatives 4, 299-330.

Nogier, J-F. 1991. Génération automatique de langage et graphes conceptuels. Paris : Hermès.

Perrin, M. 1998. « Apprendre à comprendre : VIFAX, un outil multimédia d’acquisition et de performance en langues ». Babylonia 2, 31-35.

Plath, W. J. 1976. « A natural language question answering system ». IBM Journal of Research and Development 20, 326-335.

Pottier, B. 1992a. Théorie et analyse en linguistique. Paris : Hachette Supérieur.

Pottier, B. 1992b. Sémantique générale, Linguistique nouvelle. Paris : Presses Universitaires de France.

Sabah, G. 1989. L’intelligence artificielle et le langage. Paris : Hermès, 1989.

Schank, R. C. 1973. « Finding the conceptual content and intention in an utterance in natural language conversion ». Proceedings of the 3rd IJCAI, Stanford, CA : Univ. of Stanford.

Soul, M. 1975. « TESSA: the Essex Syntactic Analyser ». Ph.D. Thesis, University of Essex.

Toma, T. 1984. « Éléments de traitement logico-mathématique pour une formalisation de l’activité langagière ». Thèse de 3e cycle, Université Paul Valéry, Montpellier III.

Toma, T. 1997. « L’informatique et l’école ». Laboratoire LAIRDIL, Toulouse : Université Toulouse III http://www.lairdil.org/ .

Toma, T. 1999a. « Cognition and Multimedia Language Teaching ». Congrès ECCS’99 (European Conference for the study of Cognitive Systems). Sienne : Université de Sienne.

Toma, T. 1999b. « Mise en média, mise en multimédia, remise en scène multimédia, Congrès RANACLÈS. Toulouse : Université Toulouse III <http://www.lairdil.org/>.

Van Oostendorp, H. 1998. « Hypermédias et Apprentissages ». 4e colloque du LaCo (Laboratoire Langage et Cognition), Poitiers : Maison des Sciences de l’Homme et de la Société.

Waltz, D. L. 1976. The PLANES System: Natural Language Access to a Large Data Base, Science Lab Annual Report. University of Illinois, Urbana, IL.

Weizenbaum, J. 1966. « Eliza, a computer program for the study of natural language communication between man and language ». ACM 9/1, 36-45.

Winograd, T. 1972. Understanding Natural Language. New York : Academic Press.

Haut de page

Annexe

Annexe 1 – Texte
Dark matter is still the only game in town
One of the principal reasons why astronomers believe in dark matter is that it helps to explain the puzzling motion of stars in spiral galaxies, including our own Milky Way. Stars in the outer regions of such galaxies appear to be orbiting the centre far too fast. Like children on a speeded-up merry-go-round, they ought to be flung off.

According to the accepted view, the stars are held in the gravitational grip of a lot more matter than is visible as stars, nebulae and so on. This dark matter, which must be distributed in a spherical “halo” around the luminous disc of a galaxy, would have to contain about ten times as much mass as the visible material.

But the dark matter hypothesis is uncomfortable to say the least: not only do astronomers have no idea what constitutes dark matter, they also have no idea how a dark halo might form. So, is there a way of explaining the high orbital speed of stars in spiral galaxies without invoking dark matter?

It turns out that there may be second possibility. Newton’s law of gravity, which describes so well the motions of moons and planets in the solar system, may not be valid over distances comparable to the size of a galaxy. Some have suggested that the equation describing a Newtonian gravitational field should contain an exponential term which has the effect of making gravity ten times stronger for distances significantly greater than about 100 000 light years. Since the Milky Way, a typical spiral galaxy, is 150,000 light-years across, this would neatly explain how stars remain glued to the milky way despite a strong tendency to fly off into intergalactic space.

But models which modify Newtonian gravity in this way are difficult to take seriously because theorists pluck them out of thin air, rather than deducing them from a particular theory of gravity. Such models also suffer from being non-relativistic – they cannot describe the bending of light by gravity, an effect predicted so well by a relativistic theory of gravity such as Einstein’s general theory of relativity.

Two physicists in Taiwan have now attempted to rectify this problem. Vadim Zhytnikov and James Nester of National Centre University in Chung-Li tried to construct a relativistic gravity theory which is able to explain both the orbital motion of stars in spiral galaxies and the bending of light while possessing the most general features possible (Physical Review Letters, vol. 73, p. 2950).

The interesting thing is that they have found the task very difficult. Their generic theory will work only if some of the particles which carry the gravitational force – known as gravitons – have negative energy, something which is clearly impossible. “In our opinion, the possibility of successfully matching the galactic rotation curves while avoiding negative energy modes seem remote”, say Zhytnikov and Nester. “Our general conclusion is that the possibility of any gravity theory explaining the behaviour of galaxies without dark matter is highly improbable”.

The attempt to modify gravity seems to have fallen at the first hurdle. As Zhytnikov and Nester point out, a gravity theory must also predict the energy loss of the binary pulsar, and the so-called perihelion shift of the orbit of Mercury – which are both predicted by general theory of relativity. The two physicists have not yet managed to discover whether their general gravity theory makes such predictions, but they are not hopeful.

It seems that dark matter, despite being acutely uncomfortable, may be the only game in town.

Annexe 2

Haut de page

Notes

1  Cf. l’historique et le développement entre autres sur http://www.mta.ca/~rrosebru/oldcourse/371199/prolog/history.html

2  Titre d’une thèse de 3e cycle en informatique soutenue à l’université Toulouse 3 le 28 octobre 1983 par Serge Piquet-Gauthier.

3  Par phrase simple, S. Piquet-Gauthier entend « phrase avec un seul verbe ».

4  Ce module constitue l’interface homme-machine.

5  Éléments de traitement logico-mathématique pour une formalisation de l’activité langagière (thèse de 3e cycle) : exemples de traitement sur les quantificateurs et les degrés de comparaison (p. 102 et 122), concept d’échelle de valeur (p. 117 et 277), description d’une procédure automatisable à partir d’une matrice de fonctionnement (p. 274-275) et base de connaissances constituée de codes et non de mots (p. 279).

6  Je rends hommage à Jean-Marie Baïssus, alors professeur d’anglais à l’université Montpellier 3, pour la confiance qu’il m’a témoignée dans cet axe de recherche. Il m’a par exemple envoyé à Birmingham où j’ai passé trois semaines (juin 1984) avec l’équipe de John Sinclair, qui travaillait à l’élaboration du Dictionnaire Cobuild English Language Dictionary (Collins). Ce dictionnaire a pour sous-titre « Helping learners with real English ». Il a été en effet élaboré à partir d’un corpus de vingt millions de mots constitués de textes récents anglais, américains, canadiens et australiens. En 1984, un scanner rapide appelé KDEM (Kurzweil Data Entry Machine) permettait déjà de constituer un corpus à partir duquel chaque mot du lexique était enregistré avec sa collocation (la ligne dans laquelle il se trouvait). Les lexicographes analysaient manuellement les occurrences de discours du même mot pour en déterminer ses différents sens ou acceptions. Après une analyse statistique, les sens sont présentés par ordre décroissant de fréquence d’emploi et non sur la base du sens donné par l’étymologie, comme c’est le cas pour la plupart des dictionnaires.

7  EC: Edition, Colloques, Conseil qui publie par exemple le mensuel « La lettre de l’intelligence artificielle » ; IA2 : Intelligence Artificielle et Informatique Avancée

8  Un certain nombre de problèmes paraissent extrêmement difficiles à résoudre, à savoir : « l’intégration de la composante dialogue et des sources de connaissances correspondantes (pragmatique, modèle du dialogue), la prise en compte de l’historique du dialogue et l’utilisation des méthodes de raisonnement temporel pour aider à la compréhension, l’acceptation de phrases non prévues par le langage utilisé » (Haton et al., 1991 : 17).

9  Voir par exemple le système CREAM (Curriculum REpresentation and Acquisition Model), Nkambou et al., 1997, et de nombreux exemples d’ITS (Intelligent Tutoring System).

10  Plaquette du congrès « Génie Linguistique 91 », Versailles, 16 et 17 janvier.

11  Voir à ce sujet un compte-rendu d’utilisation effectué par Alain Cazade pour le Congrès de la SAES, Atelier Technologies Nouvelles, Nice, 1997.

12  L’ouvrage de vulgarisation d’Hervé Chaudet et Liliane Pellegrin, 1998 : Intelligence Artificielle et psychologie cognitive (Dunod, Paris) est à signaler pour son actualité et la clarté des explications.

13  Les travaux de Jean-Pierre Desclés, pas toujours accessibles pour un non-logicien, sont toutefois très nombreux dans ce domaine.

14  Il n’a fait aucune référence à ses travaux passés lors la conférence ECCS’99 (European Conference in Cognitive Sciences) qui a eu lieu à Sienne (Italie) le 30 octobre, où j’ai eu la chance d’intervenir (Toma 1999). Il se présente comme un cogniticien du langage : « Langage is first used to express thought, not communication », qui croit en l’interprétation du sens, même par des machines : « With recursive computational systems of language, it seems that interpretation could work ».

15  Exemples d’Antoine Culioli, séminaire de linguistique du CELA (Centre d’études de linguistique anglaise), Université d’Aix-Marseille, Aix, le 24 mars 1995.

16  Il n’est pas inutile de se replonger parfois dans la lecture d’ouvrages anciens, surtout en matière de philosophie ou de mathématique. La pensée mathématique pure, bien que relativement récent, en est un exemple.

17  Ce qui n’apparaît pas dans le plan par rapport au texte concerne les prénoms des chercheurs taiwanais, leur université, leur ville et la référence à leurs travaux, ce qui reste négligeable.

18  Il ne s’agit pas de l’ouvrir en deux, mais de repérer le type de porte (à ouverture manuelle ou à télécommande), dans le cas d’une ouverture manuelle, trouver sa poignée, déterminer le type d’ouverture (coulissante à gauche, à droite, vers le haut, ou pivotante), appuyer et tirer vers soi ou sur le côté, ou appuyer et pousser, vérifier que derrière la porte il est possible de poser le pied sans danger et enfin déterminer s’il vaut mieux laisser la porte ouverte ou la refermer, avec tous les présupposés que cette dernière opération implique à nouveau. C’est l’ensemble de ce calcul, de nature algorithmique, qui est plus ou moins consciemment effectué dans cet acte d’ouverture de porte pourtant d’une banalité affligeante.

19  C’est la recherche en multimédia qui a alimenté ma réflexion dans ce domaine. En réaction avec la notion de médiatisation qui consiste en la traduction sous forme numérique de ressources texte, images ou son préexistantes, j’ai posé le concept de mise en média qui consistait en l’expression directe en multimédia d’un contenu informationnel en choisissant le ou les média(s) le(s) plus approprié(s) (Toma 1997 : 5). J’ai ensuite élargi ce concept à toute inscription sémiotique (Toma /1, 1999 : 418, et Toma /2, 1999), la mise en média de 1997 devenant mise en multimédia et même remise en scène multimédia (id/2), pour la prise en compte des modifications effectuées.

20  PC Expert de février 2001 décrit, page 45, le logiciel d’analyse documentaire Acetic Tropes Zoom 4 qui « permet une véritable recherche par sens et non par simple mot-clé … Tropes extrait du texte son ‘univers’, c'est-à-dire son sujet principal ; il évalue son style, détaille l’ordre des idées et détermine les associations entre les mots. De nombreux graphes donnent une vision globale de l’analyse : très parlants, des graphes en étoile indiquent l’environnement dans lequel un mot est employé ». Ce logiciel fonde en fait son analyse sur des dictionnaires très fournis (240 000 classifications sémantiques en anglais) afin de résoudre les ambiguïtés lexicales. La vitesse de recherche des mots est impressionnante : 10 millions de mots à la seconde. Le prix l’est également : 300 000 HT.

21  LAIRDIL (LAboratoire Interuniversitaire de Recherche en DIdactique des Langues), Université Toulouse 3, http://www.lairdil.org

22  Signalons par exemple, en provenance de différents laboratoires du CNRS, les cartes conceptuelles de H. van Oostendorp (1998 : 119-130), les espaces sémantiques de J.-L. Manguin, l’organisation sémantique des verbes de déplacements d’objets de M. Marquant-Thiébaut, la caractérisation de verbes polysémiques de E. Saunier, la sémantique des verbes de déplacement de L. Sarda, le traitement automatique et la polysémie des verbes de F. Gayral, travaux réunis dans les actes du colloque « Sémantique du Lexique Verbal », ELSAP-CNRS, Caen, des 22, 23 janvier 1999.

23 http://www.ai.mit.edu/projects/leglab/mpeg_vcd/

24  Hans Moravec, « L’ère des robots », Pour la Science, 267, 88-94, 26 janvier 2000.

25  « Mental Images Embodied in Text », communication présentée lors du XXI Colloque du GERAS à Dijon, 16-18 mars 2000.

26  Le serveur du laboratoire LAIRDIL pourrait convenir.

Haut de page

Table des illustrations

Titre Figure 1. Plan détaillé du texte
URL http://journals.openedition.org/asp/docannexe/image/2056/img-1.png
Fichier image/png, 82k
Titre Figure 2. Réorganisation discursive
URL http://journals.openedition.org/asp/docannexe/image/2056/img-2.png
Fichier image/png, 79k
Titre Figure 3. Trame discursive conceptuelle
URL http://journals.openedition.org/asp/docannexe/image/2056/img-3.png
Fichier image/png, 32k
URL http://journals.openedition.org/asp/docannexe/image/2056/img-4.png
Fichier image/png, 877k
Titre Figure 4. Modèle communicationnel 1
URL http://journals.openedition.org/asp/docannexe/image/2056/img-5.png
Fichier image/png, 839k
Titre Figure 5. Modèle communicationnel 2
URL http://journals.openedition.org/asp/docannexe/image/2056/img-6.png
Fichier image/png, 909k
URL http://journals.openedition.org/asp/docannexe/image/2056/img-7.png
Fichier image/png, 131k
Haut de page

Pour citer cet article

Référence papier

Antoine Toma, « Avancées dans le pré-verbal : les trames discursives conceptuelles  »ASp, 27-30 | 2000, 63-91.

Référence électronique

Antoine Toma, « Avancées dans le pré-verbal : les trames discursives conceptuelles  »ASp [En ligne], 27-30 | 2000, mis en ligne le 30 décembre 2010, consulté le 29 mars 2024. URL : http://journals.openedition.org/asp/2056 ; DOI : https://doi.org/10.4000/asp.2056

Haut de page

Auteur

Antoine Toma

Antoine Toma est maître de conférences d’anglais et responsable du service Multimédia-langues à l'Université Paul-Sabatier Toulouse 3. toma@univ-tlse2.fr

Articles du même auteur

Haut de page

Droits d’auteur

CC-BY-NC-ND-4.0

Le texte seul est utilisable sous licence CC BY-NC-ND 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search