Introduction

Selonl’approche traditionnelle,[1] unterme est une unité lexicale qui appartient à un domaine scientifique (parexemple biotechnologie) et qui est liée à un seul concept qu’il dénote. Dans cecontexte, le mot concept désigne la représentation mentale abstraited’un ensemble de choses regroupées sur la base de leurs caractéristiquescommunes. Par exemple, le concept dénoté par le mot bicyclette désigneun groupe d’objets qui sont des moyens de transport ayant deux roues, unepédale mais qui n’ont pas de moteur, etc. Comme le terme dénote un seulconcept, il doit avoir une définition précise qui énumère ses caractéristiques.

Mêmesi la définition traditionnelle des termes possède plusieurs pointsproblématiques, c’est ce point de vue qui est appliquée par la communautéterminologique.[2]Ce qui est contradictoire d’une part, c’est qu’il existe des concepts qui sontdénotés par plusieurs termes (par exemple adresse électronique ou adressee-mail), d’autre part il existe des termes qui désignent plusieursconcepts : par exemple, le mot terminologie désigne et (1)l’ensemble des termes d’un domaine et (2) la science qui étudie les termestechniques.

L’extractionterminologique est un sous-domaine de la linguistique informatique dans lequelde nombreuses recherches sont menées de nos jours.[3]L’extraction terminologique est un processus automatisé dont le but estd’énumérer tous les termes possibles d’un texte en langage spécialisé quiconstitue l’entrée d’un extracteur. La sortie d’un extracteur terminologiqueest formée par cette liste des termes possibles qu’on nomme ’termes candidats’sur la base de Jacquemin[4] carces mots ou expressions doivent être revus et validés par des humains.

Unextracteur terminologique fonctionne sur la base de différents algorithmes dontla plus souvent utilisée est l’application des patrons syntaxiques (par exemplel’extracteur recherche les séquences nom+nom comme fichier texte ounom+adjectif comme réseau filaire). Pour pouvoir se servir des patrons,on doit en posséder une liste précise et des fréquences. Cette méthode estsouvent complémentée avec des outils statistiques : l’un de ceux-ci mesurela fréquence relative d’un terme candidat dans le corpus spécialisé et dans uncorpus de référence contenant des textes généraux. Si la fréquence d’un termecandidat est plus élevée dans un corpus spécialisé que dans un corpus deréférence, il est plus probable que l’élément donné est un terme.[5] 

Danscet article, nous nous proposons (1) de retrouver les patrons typiques destermes techniques et leurs fréquences dans le domaine des sciences sociales,plus particulièrement dans les sciences relatives à la famille et (2) decomparer les fréquences de ces patrons avec les résultats d’une rechercheantérieure sur un corpus informatique.[6]L’objectif sous-jacent de cette analyse est de déterminer si un extracteurterminologique paramétré pour un texte informatique peut être également utilisédans un corpus de sciences humaines. Pour achever cet objectif, les patronsproblématiques – comme les adjectifs préposés au nom dans un terme – sontégalement examinés.

Structureinterne des termes

Commele terme dénomme un seul concept selon la définition traditionnelle, ilconstitue une unité lexicale ou une catégorie mineure qui a une forme semblableà un nom composé. Cependant, il existe des traits caractéristiques quidistinguent les termes des projections nominales utilisées dans la langue non-spécialisée,et ces différences concernent surtout les groupes adjectivaux et les groupesprépositionnels enchâssés.

Lesadjectifs, en fonction d’épithète, peuvent tant suivre que précéder la têtenominale, ce qui est démontré par (1) :

            (1)        a.un roman intéressan
                        b. unintéressant roman

SelonRiegel et al.,[7]Bouchard[8] etLaenzlinger,[9]l’adjectif précède le nom pour des raisons phonotactiques (les adjectifs courtscomme court tendent à être préposés au nom), émotionnelles (lesadjectifs focalisés (1b) et les adjectifs intensionnels dérivés précèdent lenom). L’adjectif suit obligatoirement le nom s’il est un adjectif classifiant(désignant une propriété objective de la tête nominale) ou relationnel (dérivéd’un nom, comme solaire ou municipal).

Commeles termes ne peuvent désigner qu’un concept précis, bien délimité, sansfonction émotionnel, notre hypothèse est que les adjectifs ne peuvent quesuivre la tête nominale dans les termes nominaux. Parmi les adjectifs, ce sontdonc uniquement ceux qui peuvent désigner une sous-catégorie de la têtenominale à laquelle ils se rattachent qui sont susceptibles de devenir unepartie de terme.

Outreles adjectifs, le groupe prépositionnel peut également apparaître au sein destermes. Bien que les livres de grammaire comme Riegel et al.[10] nefasse pas cette distinction, les groupes prépositionnels ont deuxsous-classes : les groupes prépositionnels avec un déterminant (exemple en2a) et les groupes prépositionnels dans lesquels les prépositions ne sont passuivies d’un déterminant (par exemple 2b).

            (2)        a.un hôtel [de la ville]
                        b. un hôtel [de ø ville]

Parmices deux exemples, il est évident que c’est uniquement (2b) qui désigne un nomcomposé et qui a donc un patron qui peut être appliqué aux termes. Par conséquent,il semblerait logique de ne considérer que les groupes prépositionnels sansdéterminant comme susceptibles de faire partie des termes. C’est la raison pourlaquelle il existe des points de vue (par exemple Bosredon et Tamba[11])selon lesquels les noms composés sont des noms simples sur le plan sémantiquemais ils constituent un groupe nominal sur le plan formel.

Lesdéterminants fonctionnent donc comme des séparateurs entre les différentstermes, car le déterminant en (2a) introduit une nouvelle entité, parconséquent un nouveau concept et peut-être un nouveau terme dans le discours.

Cadiot[12]soutient également ce point de vue : un groupe prépositionnel sansdéterminant désigne une sous-classe du nom précédent (en 3a, à poils longsdésigne une sous-classe des chats) alors que le groupe prépositionnel contenantun déterminant ne décrit qu’une occurrence du nom qui le précède (en 3b, auxpoils mouillés ne désigne qu’un état actuel de la tête nominale).

            (3)        a. chat à poils longs
                        b. chat auxpoils mouillés

Cependant,il existe des prépositions qui ne sont pas suivies de déterminant en général(par exemple par ou en) et ne forment pas avec le nom précédentun nom composé (4a). D’autre part il existe des noms composés qui contiennentun groupe prépositionnel où la préposition est suivie d’un déterminant (5a).

            (4)        a. voyage en Italie
                        b. *voyage enl’Italie
            (5)       a. cancer de la pea
                       b. cancer depeau

Uneautre caractéristique des groupes prépositionnels dans les termes est que lapréposition peut être absente (par exemple en 6). Cette observation est surtoutvalable pour les termes récemment créés dont Béjoint et Ahronian[13]constatent que l’omission est due à l’effet de l’anglais. Toutefois, l’ordredes noms est plutôt conforme aux règles du français.

            (6)        a. code source
                        b. accès Internet  

Selonnotre hypothèse, les adjectifs, s’il y en a, suivent la tête nominale dans lestermes de tout domaine, et qu’il existe très peu de termes où le groupeprépositionnel contient un déterminant. Comme l’omission de la prépositioncaractérise davantage les domaines scientifiques, notre deuxième hypothèse estque le corpus de sciences humaines contient moins de termes où les noms sontjuxtaposés.

Objectifset méthode

Dansune recherche antérieure,[14] nousavons analysé les termes qui se trouvaient dans un corpus d’un domaineinformatique afin de retrouver les structures syntaxiques possibles des termeset leur fréquence. L’objectif de cette démarche était de dresser l’inventairecomplet des patrons possibles de termes dans ce corpus pour créer un extracteurterminologique adapté pour ce type de textes.

Lebut de cette présente analyse est de retrouver les patrons typiques des termesen sciences humaines, de mesurer leur fréquence relative et de comparer cesrésultats avec l’analyse de Nagy.[15Selon notre hypothèse, la distribution des structures internes des termes eninformatique est différente de celle des termes en sciences humaines dont lelangage n’est pas si éloigné de la langue quotidienne. 

Pourdéterminer la structure interne des termes des sciences relatives à la familleet à l’individu, nous avons consulté le site cairn.info et avons recherchétrois articles scientifiques contenant l’une de ces notions ou les deux.Ensuite, nous avons manuellement annoté les termes dans ces articles. Dansl’étape suivante, ces termes annotés ont été soumis à un étiquetage automatiquemorphologique qui a été effectué par l’application gratuite et open-source TreeTagger.[16]Ce programme a ajouté à chaque mot de chaque terme une partie de discours etson lemme (à savoir l’entrée de dictionnaire correspondante).

Commeles applications d’étiquetage automatique produisent quelquefois des erreurs,il a fallu revoir la sortie de cette application à la main et corriger leséventuelles fautes. Par exemple si le mot pratique est annoté commeadjectif dans un contexte où il est un nom, sa partie du discours a été recodéeen nom, comme dans une telle pratique exige […]

Finalement,la liste des structures internes possibles a été extraite automatiquement àpartir de la liste des structures internes des termes annotés et lemmatisés eta été comparée à liste établie à partir d’un corpus informatique.

Lecorpus et son annotation

Lecorpus se compose de trois articles tirés des revues scientifiques disponiblesen ligne sur cairn.info. Ces articles contiennent le mot famille et/oule mot individu et se trouvent dans des recueils qui s’occupent dessciences humaines (psychologie et sociologie). Ensuite, les articles ont été manuellementannotés comme dans l’extrait suivant où les termes sont soulignés :

« La construction morphosyntaxique constitueune étape essentielle pour l’enrichissement de l’expression orale humaine.En effet, si nous ne disposions que de lamodalité lexicale pour nous exprimer, nous ne pourrions décrire le monded’un point de vue factuel, immédiat. La modalitémorphosyntaxique nous permet d’accéder à une expression oralequi englobe non seulement la description du monde, mais aussi l’imaginaire, les émotions […] les relations aux autres. »[17]

A partir de ce courtexemple, il est clair que la tâche d’annotation est double : trouver lestermes nominaux en cherchant des noms pouvant remplir la fonction de noyau dansun terme nominal et de décider pour chaque nom s’il fait partie d’un terme ounon. Dans cet exemple, construction morphosyntaxique est un terme, mais mondeou point de vue factuel ne le sont pas.

Nousavons effectué l’annotation en prenant en considération la définition duterme – si l’unité lexicale trouvée désigne un concept dans le domainespécialisé, elle est acceptée comme terme. Cependant, il est souvent difficilede deviner si une unité désigne un concept ou non : par exemple, troublespécifique du langage et trouble sévère du langage sont des expressionssouvent employées par les psychologues mais c’est uniquement le premier qui estun terme, car c’est celui qui a une définition précise. L’expression relationaux autres n’est pas acceptée comme terme parce que ce n’est pas le nomofficiel du concept nommé relation interpersonnelle en psychologie. 

Enplus, ce qui distingue les termes en sciences humaines des termes en sciencesnaturelles est que ceux-ci ne sont pas souvent employés dans le langagecourant. Les mots qui ne paraissent pas des termes le sont souvent en scienceshumaines, comme parent, enfant ou dépression. Cependant,ce qui les différencie de leurs usages quotidiens, c’est qu’ils possèdent unedéfinition dans le langage scientifique et désignent des groupes d’objets ou depersonnes plus vagues en langue quotidienne.

Selonles annotations manuelles, les trois articles contiennent 898 termes différentsavec une occurrence totale de 2104, ce qui veut dire qu’un terme surgit enmoyenne 2,34 fois dans le corpus.

Résultats

Lafréquence des composants de terme est représentée par le wordle suivantoù plus le caractère est grand, plus le composant était fréquent dans lecorpus.[18]

Figure1. Wordle créé à partir des termes

Aprèsl’étiquetage automatique des termes et sa correction manuelle, les patrons dechaque terme différent ont été collectionnés et regroupés automatiquement. Ils’est avéré que parmi les vingt termes les plus fréquents, rien que deux termesavaient une structure plus complexe qu’un nom seul : la thérapiefamiliale et le ménage familial, tous ayant la structure nom etadjectif.

Cesdonnées ont été ensuite comparées aux structures des termes et leur fréquencedans un corpus informatique. Les résultats sont représentés sous forme d’untableau qui compare les résultats des patrons les plus fréquents. La premièrecolonne contient le patron en question, la deuxième sa fréquence relative dansle corpus informatique (IT) et la troisième sa fréquence relative dans lecorpus des sciences humaines (SH). N est l’abréviation du nom, P est celle depréposition, A est adjectif et D est déterminant.

Tableau2. Fréquence des patrons dans les deux corpus

Catégorie	Pourcentage en corpus IT	Pourcentage en corpus SH
N	37,45 %	33 %
N N	20,21 %	1,11 %
N P N	14,47 %	10,69 %
N A	11,91 %	35 %
N P D N	5,53 %	2,23 %
N P N A	1,91 %	2,11 %
N N N	1,49 %	0 %
N P N P N	1,06 %	0,22 %
N P D N N	0,85 %	1,33 %

Apartir de ces données, nous pouvons voir que dans les deux corpus les quatrepatrons les plus fréquents recouvrent la plupart des structures de patron(~84 % dans le corpus IT et ~80 % dans le corpus SH). La proportiondes patrons est presque le même dans les deux corpus, la seule différencesignificative réside dans la fréquence des deux noms juxtaposés et celle despaires nom-adjectif. Comme prévu, la juxtaposition des noms est plus fréquentedans le corpus informatique (20,2%) où même trois noms peuvent se suivre (commeprogrammation côté client). Le corpus de sciences humaines ne comportemême pas de termes qui se composent uniquement de trois noms et le taux de deuxnoms juxtaposés est également très bas (1,11%) : ce sont des termes comme objetmot ou mot fonction. Cependant, cette différence n’est pas due àl’omission de la préposition (vs Béjoint et Ahronian[19]),car dans le corpus SH, le nombre des patrons contenant au moins une préposition(17%) est inférieur au nombre du même type de patrons dans le corpus eninformatique (23,82%).

L’autredifférence importante est que le pourcentage des termes nom-adjectif dans lecorpus de sciences humaines est supérieur à celui des termes simples necontenant qu’un nom, même si ce n’est que de deux pour cent.

Commeprévu, le nombre de termes contenant au moins un déterminant n’est pas trèsélevé : il monte jusqu’à 7 % dans les deux corpus. Dans le corpus desciences humaines, un terme de cette sorte était carte des relations, etdans le corpus informatique retour à la ligne ou vidéo à la demande.Ces résultats soutiennent la théorie selon laquelle le déterminant introduit engénéral une nouvelle entité dans le discours, et donc un nouveau terme.Pourtant, il existe des exceptions dans d’autres domaines de spécialité commela médecine où beaucoup de noms de maladie comportent un déterminant, comme cancerde la peau ou maladie de l’œil.

Cependant,il est à noter qu’un certain taux de ces termes ont une variante sansdéterminant, qui est extraite par un extracteur automatique, ces termes doncfigurent dans la liste des termes, par conséquent ils ne provoquent aucuneperte. Par exemple, le terme création du site web est équivalent à créationde sites web, donc si le premier n’est pas extrait par l’extracteur,uniquement le deuxième, le concept représenté par les deux est extrait sous laforme du deuxième terme.

Commeprévu, les adjectifs préposés sont rares dans les termes, le corpusinformatique n’en a aucun. Le corpus de sciences humaines en possède maisseulement six, comme extrême dépendance, théorie du double lienou suivi orthophonique de courte durée. Même si c’est rare, dansd’autres domaines, il peut y avoir quelques termes qui contiennent desadjectifs prénominaux, comme premier ministre ou petite aiguille.Les adjectifs préposés sont donc plutôt des adjectifs courts comme courtou petit ou des adjectifs ordinaux.

Perspectives

Lebut de cet article était de faire un échantillon représentatif des structurespossibles des termes des sciences relatives à la famille et de comparer lafréquence de ces structures à celles d’un corpus informatique. L’objectifsous-jacent de cette recherche était de déterminer si le même extracteurterminologique peut être utilisé sur ces deux types de corpus.

Selonles résultats de cette recherche, le corpus de sciences humaines suit plus oumoins la même tendance que le corpus informatique. Cependant, les nomsjuxtaposés sont moins fréquents dans le premier corpus qui préfère la pairenom-adjectif. En ce qui concerne les patrons problématiques comme l’adjectifpréposé au nom et le groupe prépositionnel contenant un déterminant, les deuxcorpus ne montrent pas une grande différence : leur proportion est la mêmedans les deux types de discours, et est minimale (~7 %). Comme le taux deces deux structures de terme problématiques est infime, il n’est pas avantageuxde les inclure dans la liste des patrons de terme possibles parce que la listedes termes extraits de cette manière contiendrait beaucoup de séquences qui nesont pas des termes et dont le nombre serait bien plus élevé que la perteprovoquée par leur exclusion. Un extracteur automatique de termes quifonctionne à base de patrons syntaxiques peut donc atteindre le même résultatdans les deux types de corpus car le taux des patrons problématiques n’estélevé dans aucun de ces corpus.

Cependant,les extracteurs terminologiques se servent également des moyens statistiquespour filtrer les séquences qui ne sont pas des termes, et cela se fait souventsur la base de leurs fréquences relatives dans un corpus spécialisé et uncorpus quotidien. Et c’est ce qui s’avère problématique dans un corpus desciences humaines. En effet, selon Comer,[20] lestermes en sciences humaines s’utilisent plus souvent dans la languequotidienne : il suffit de penser aux termes famille, enfant,adulte ou dépression qui s’emploient fréquemment dans la languecourante mais pas comme des termes car ces mots ne sont pas utilisés dans lesens que leur prescrit leur définition précise en sciences humaines. Parexemple, la langue quotidienne a tendance à désigner tout état transitoire detristesse par le mot dépression qui est, selon la définitionscientifique, d’une durée plus longue et qui s’aggrave au fil du temps et quipeut même aboutir à l’impuissance et/ou à un état autodestructeur.[21]

Lafréquence élevée des termes de sciences humaines dans un corpus quotidien nefacilite nullement leur extraction avec des méthodes statistiques. A cet égard,les termes informatiques ont la chance de ne pas figurer souvent dans un corpusquotidien (comme adresse physique, code HTML) sauf quelques cascomme serveur (qui s’y emploie dans le sens d’un ’employé qui sert lesrepas dans un restaurant’ et non pas comme ’ordinateur central’), leurextraction peut donc être plus facilement complémentée par des méthodesstatistiques. 

B i b l i o g r a p h i e

ANDOLFI, M. : Thérapie avec l’individu et thérapie avec la famille. Thérapiefamiliale, 23, 2002, pp. 7 – 20.
BÉJOINT, H., AHRONIAN, C. : Les noms composés anglais et français du domaine d’Internet :une radiographie bilingue. Meta : journal des traducteurs, 53, 2008,pp. 648 – 666.
BOSREDON, B., TAMBA, I. : Verre à pied, moule à gaufres : préposition et nomscomposés de sous-classe. Langue française, 91, 1991, pp. 40 – 55.
BOUCHARD, D. : The distribution and interpretation of adjectives inFrench: a consequence of Base Phrase Structure. Probus, 10, 1998, pp.139 – 183.
CABRÉ, M. T., BAGOT, R. E., VIVALDI PALATRESI, J. : Automatic termdetection. A review of current systems. In : BOURRIGAULT,D., JACQUEMIN, Ch., L’HOMME, M.-C. (ed.) : Recent advantages inComputational Terminology. Amsterdam ; Philadelphia : JohnBenjamins, 2001, pp. 53 – 87.
CADIOT, P. : À entre deux noms: vers la compositionnominale. Lexique, 11, 1993, pp. 193 – 240.
COMER, R. J. : A lélekbetegségei [Les maladies de l’âme]. Budapest : Osiris 2005.
JACQUEMIN, Ch. : Spottingand discovering terms through natural language processing. Cambridge(MA) ; London : MIT Press 2001.
LAENZLINGER, Ch. : Initiationà la Syntaxe formelle du français: Le modèle Principes et Paramètres de laGrammaire Générative Transformationnelle. Berne : Peter Lang AG 2003.
NAGY, Á. : La structure interne des termes techniquesdu français et leur reconnaissance par ordinateur. In : KIELISZCZYK, A., PILECKA,E. (ed.) : La perspective interdisciplinaire des études françaises etfrancophones. Łask : Oficyna Wydawnicza LEKSEM, 2009, pp. 117 – 123.
PETIT, G. : L’introuvable identité du terme technique.Revue Française de Linguistique Appliquée, VI(2), 2001, pp. 63 – 79.
RIEGEL, M., PELLAT, J.-Ch., RIOUL, R. : Grammaire méthodique du français (4eédition). Paris : PUF 2009.
SANSON, C. : Troubles du langage, particularités liées aux situations debilinguisme. Enfances & Psy, 48, 2010, pp. 45 – 55.
STRANGES, M. : Évolution des comportements reproductifs et des structures familialesen Italie. Recherches familiales, 5, 2008, pp. 105 – 123.
WÜSTER, E. : L’étudescientifique générale de la terminologie, zone frontalière entre lalinguistique, la logique, l’ontologie, l’informatique et les sciences deschoses. In : RONDEAU, G., FELBER, H. (ed.) : Textes choisis determinologie. Vol. I: Fondements théoriques de la terminologie.Québec : Université Laval – GIRSTERM, 1981, pp. 55 – 114.