UNIVERSITÉ DU QUÉBEC À MONTRÉAL

LA SÉMIOTIQUE COMPUTATIONNELLE ENTRE NARRATIVITÉ ET

. APPRENTISSAGE AUTOMATIQUE : UNE DÉMONSTRATION DE

FAISABILITÉ SUR UN CORPUS JOURNALISTIQUE À PROPOS DU

PRINTEMPS ÉRABLE

THÈSE

PRÉSENTÉE

COMME EXIGENCE PARTIELLE

DU DOCTORAT EN SÉMIOLOGIE

PAR

DAVIDE PULIZZOTTO

DÉCEMBRE 2019
 UNIVERSITÉ DU QUÉBEC À MONTRÉAL
Service des bibliothèques

Avertissement

La diffusion de cette thèse se fait dans le respect des droits de son auteur, qui a signé le
formulaire Autorisation de reproduire et de diffuser un travail de recherche de cycles
supérieurs (SDU-522 – Rév.01-2006). Cette autorisation stipule que «conformément à
l’article 11 du Règlement no 8 des études de cycles supérieurs, [l’auteur] concède à
l’Université du Québec à Montréal une licence non exclusive d’utilisation et de
publication de la totalité ou d’une partie importante de [son] travail de recherche pour
des fins pédagogiques et non commerciales. Plus précisément, [l’auteur] autorise
l’Université du Québec à Montréal à reproduire, diffuser, prêter, distribuer ou vendre des
copies de [son] travail de recherche à des fins non commerciales sur quelque support
que ce soit, y compris l’Internet. Cette licence et cette autorisation n’entraînent pas une
renonciation de [la] part [de l’auteur] à [ses] droits moraux ni à [ses] droits de propriété
intellectuelle. Sauf entente contraire, [l’auteur] conserve la liberté de diffuser et de
commercialiser ou non ce travail dont [il] possède un exemplaire.»
 REMERCIEMENTS

La thèse n'est pas seulement un travail de recherche présenté dans un texte

argumentatif de plusieurs pages. C'est un chemin ponctué de succès et de défaites et,
surtout, de vieillies et de nouvelles relations humaines. Autrement, cette thèse
n'existerait pas.

Je tiens ainsi à remercier tous ceux qui ont rendu po_ssible le franchissement de la
ligne d'arrivée de ce parcours. Je veux avant tout commencer avec mes directeurs.
D'abord, Jean-Guy Meunier est, sans doute, le meilleur mentor qu'un doctorant peut
espérer, car avec lui, on apprend un métier. Sa générosité intellectuelle et sa manière
de gérer les ressources humaines qui collaborent avec lui facilitent le développement
des capacités, des compétences et des attitudes de chacun. Je ne finirai jamais de le
remercier pour tout l'apprentissage que j'ai pu faire grâce à lui. Je lui dois une grande
partie de la personne que je suis maintenant. Aussi, Louis Hébert a été un soutien
exceptionnel dans plusieurs phases du travail de recherche, grâce à ses précieux
conseils et ses réflexions. Son attention et son dévouement à son rôle de formateur est
admirable. Il a été toujours répondu présent lorsque j'en avais besoin. Son travail
professionnel et sa chaleur humaine ont été un guide nécessaire pour l'avancement de
ma recherche. Puis, mes collègues du LANCI-UQAM (Laboratoire d'analyse
cognitive de l'information) ont été une base fondamentale pour l'apprentissage et
l'avancement de cette recherche. Je n'aurais jamais pu écrire cette thèse sans les
interminables discussions et les collaborations avec Jean-François Chartier, dont sa
générosité et sa qualité en tant que chercheur ont été déterminantes pour moi. Ce
 111

projet n'aurait pu avancer sans la collaboration, le soutien et l'amitié de José L6pez

Gonzalez, de Louis Chartrand, de Francis Lareau et de Maxime Sainte-Marie.

Il est également important pour moi de remercier les membres de ma famille, en

commençant pas mes beaux-parents, Claudine et Guy, qui ont été un soutien
formidable pour l'écriture de la thèse. Sans les heures passées à corriger la langue et à
m'émettre leurs commentaires judicieux, le texte de cette thèse n'aurait pas pu être
lisible. Leur générosité à mon égard est remarquable et je leur en suis très
reconnaissant. Je remercie aussi mes parents, Pietro et Filippa, ainsi que mon frère et
ma sœur, Alessio et Claudia, qui, même à distance, ont su me soutenir, surtout dans
les moments plus difficiles.

Le plus grand remerciement va à ma conjointe, Hélène, qui a su conserver tenacement

sa patience tout au long de ces années. Sa générosité, sa confiance envers moi, son
dynamisme et sa détermination, tout deux contagieux, sa capacité d'écoute ainsi que
son amour m'ont permis de continuer ce projet et d'arriver à la fin de ce parcours
incroyable. Je ne serai pas Davide sans sa présence. Je t'aime.
 TABLE DES MATIÈRES

LISTE DES FIGURES ............................................................................................... viii

LISTE DES TABLEAUX .......................................................................................... xiii

LISTE DES ABRÉVIATIONS, DES SIGLES ET DES ACRONYMES ................. xvi

RÉSUMÉ ................................................................................................................... xix

INTRODUCTION ........................................................................................................ 1

CHAPITRE I PROBLÉMATIQUE .......................................................................... 12

1.1 La sémiotique computationelle ......................................................................... 12
1.1.1 L'ordinateur comme « machine sémiotique» et semiosis
computable ..................... ;........................................................................ 16
1.1.2 L'ordinateur comme artefact.. ................................................................. 19
1.1.3 L'ordinateur comme outil au service de l'analyse sémiotique ................ 21
1.1.4 La vocation empirique de la sémiotique ................................................. 25
1.2 Médias, texte et sémiotique······'.···········
............................................................ 26
1.2.1 Les« macrostructures » de la production textuelle ................................. 32
1.3 L'analyse« quantitative» du texte journalistique ............................................ 38
1.3.1 News mining ........................................................................................... 41
1.4 Un champ inexploré: le croisement de l'analyse sémiotique et du news
mining ............................................................................................................... 43
1.5 Question de recherche ....................................................................................... 46
1.5.1 Hypothèses .............................................................................................. 48
1.6 Les objectifs poursuivis .................................................................................... 53
1. 7 Le cas d'étude : le printemps érable ................................................................. 54
1.7.1 Description des événements principaux .................................................. 54
 V

1.7.2 La couverture médiatique ........................................................................ 61

1.7.3 Quelques corpus sur le printemps érable ................................................. 62

CHAPITRE II CADRE THÉORIQUE ..................................................................... 69

2.1 L'approche sémio-computationnelle ................................................................ 70
2.1.1 Les macrostructures ................................................................................. 71
2.1.2 Le cadre épistémologique d'intersection entre le modèle
computationnel et le modèle sémiotique ................................................. 79
2.2 Le paradigme sémio-narratif............................................................................. 83
2.2.1 Le parcours génératif du sens : un métalangage formel.. ....................... 86
2.2.2 Les structures sémio-narratives ............................................................... 88
2.2.3 L'analyse du texte au moyen du schéma actantiel .................................. 98
2.2.4 L'aspect cognitif du modèle sémio-narratif .......................................... 101
2.3 Le paradigme compùtationnel ........................................................................ 104
2.3.1 · La sémantique vectorielle...................................................................... 106
2.3.2 L'apprentissage automatique et le clustering ........................................ 111

CHAPITRE III MÉTHODE .................................................................................... 125

3.1 Définition de corpus ....................................................................................... 129
3.2 Critères de constitution du corpus .................................................................. 135
3.2.1 Orientation ............................................................................................. 1~5
3.2.2 Pertinence .............................................................................................. 138
3.2.3 Cohérence ou homogénéité ................................................................... 141
3.2.4 Hétérogénéité ........................................................................................ 142
3.2.5 Exhaustivité ........................................................................................... 143
3.2.6 Réprésentativité ..................................................................................... 146
3.3 Prétraitement d'un corpus ............................................................................... 150
3.3.1 Annotation automatique des textes ....................................................... 152
3.3.2 Représentation vectorielle du texte ....................................................... 159
3.4 Filtrage ............................................................................................................ 166
3.4.1 Mots ....................................................................................................... 169
3.4.2 Documents .................................................................................. :.......... 170
3.5 Définition du corpus de travail ....................................................................... 174
3.6 Regroupement de documents similaires ......................................................... 176
 Vl

3.6.1 K-moyennes .......................................................................................... 176

3.6.2 Évaluation des partitions ....................................................................... 182
3.7 Annotation ...................................................................................................... 186
3.7.1 Principes de base ................................................ ;.................................. 187
3. 7.2 Détails de la mise en place .................................................................... 189
3. 7.3 Évaluation de la chaîne de traitement ................................................... 190
3.7.4 Détermination de l'échantillon .............................................................. 191

CHAPITRE IV EXPÉRIMENTATIONS ......... .-..................................................... 195

4.1 Le corpus ........................................................................................................ 196
4.1.1 Protocole de constitution du corpus ...................................................... 198
4.1.2 Moissonage ............................................................................................ 200
4.1.3 Description du corpus ............................................................................ 201
4.2 Le prétraitement .............................................................................................. 210
4.2.1 Annotation automatique ........................................................................ 210
4.2.2 Représentation vectorielle ..................................................................... 217
4.2.3 Filtrage .................................................................................................. 220
4.3 La définition du corpus de travail ................................................................... 228
4.4 Le regroupement des documents similaires .................................................... 228
4.4.1 Initialisation de l'algorithme ........................................................ ;........ 229
4.4.2 Choix du paramètre k ............................................................................ 230
4.5 L'annotation .................................................................................................... 237
4.5.1 Sélection d'un échantillon représentatif ................................................ 237
4.5.2 Annotation des échantillons .................................................................. 240
4.5.3 Résumé résultats annotations ................................................................ 241

CHAPITRE V RÉSULTATS .................................................................................. 247

5.1 Groupes de macro structures similaires ........................................................... 251
5.1.1 Négociations: théâtre de la polémique ................................................. 252
5.1.2 Charest versus Marois : corps à corps ................................................... 266
5.1.3 Loi spéciale n. 12: L'objet magique ..................................................... 276
5.1.4 Manifestations: Police versus Étudiants ............................................... 283
5.1.5 Élections: l'objet de valeur. .................................................................. 292
5.1.6 Cégep: le retour en classe ........................................................... :......... 297
5.1. 7 Quelle est votre opinion?....................................................................... 304
 Vll

5.2 Groupes de macrostructures distinctives ........................................................ 314

5.2.1 Métro ..................................................................................................... 316
5.2.2 Journal de Montréal ............................................................................... 321
5.2.3 Journal de Québec ................................................................................. 327
5.2.4 La Presse ............................................................................................... 338
5.2.5 Le Soleil ................................................................................................ 343
5.2.6 Le Devoir............................................................................................... 348
5.2.7 Radio-Canada ........................................................................................ 356

CHAPITRE VI DISCUSSION ........................................................ .-...................... 359

6.1 Réflexions sur les résultats ............................................................................. 360
6.2 La méthode et ses implications sémiotiques ................................................... 364
6.2.1 Tokenisation .......................................................................................... 365
6.2.2 Lernmatisation ....................................................................................... 369
6.2.3 Segmentation ......................................................................................... 372
6.2.4 Le paradigme distributionnel ................................................................ 374
6.2.5 Le filtrage des caractéristiques .............................................................. 391
6.2.6 Le clustering .................................................. :....................................... 392
6.2.7 Annotation ............................................................................................. 395

CONCLUSION ......................................................................................................... 401

ANNEXE A DÉTAILS SUR LE CADRE PROBABILISTE À LA BASE DE

L'ETIQUETAGE MORPHOSYNTAXIQUE .......................................................... 410

ANNEXE B LISTE DES ANNOTATI ONS MORPHOSYNTAXIQUES UTILISÉE

PAR TREETAGGER ................................................................................................ 414

ANNEXE C DÉTAILS DE L'ALGORITHME DBSCAN ................................... .416

ANNEXE D DÉTAILS SUR L'IDENTIFIANT UNIQUE DES ARTICLES

ANNOTÉS ................................................................................................................ 417

RÉFÉRENCES .......................................................................................................... 419

 LISTE DES FIGURES

Figure Page

1.1 Hexagone définissant l'interdisciplinarité de l'analyse de texte assistée

par ordinateur ............................................................................................... . 25

1.2 Évolution hebdomadaire par quotidien du contenu rédactionnel consacré

à la crise ...................................................................................................... . 63

2.1 Loi de Zipf ......................................................................... :........................ . 81

2.2 Le parcours génératif du sens ..................................................................... . 89

, , ..
2.3 Carre sem1otique ......................................................................................... . 90

2.4 Le schéma narratif canonique ..................................................................... . 93

2.5 Schéma actantiel ......................................................................................... . 95

2.6 . 1atlon
Art1cu . de l' actant sur 1e carre' sem1otique
' . . .......................................... . 98

2.7 Représentation bidimensionnelle d'une partition à trois clusters ............... . 116

2.8 Représentation graphique d'un clustering de type hiérarchique ................. . 119

3.1 Modèle de communication ......................................................................... . 163

3.2 Modèle de la communication et ses six fonctions ...................................... . 163

3.3 Détection de données aberrantes par clustering .......................................... . 167

 lX

3.4 L'algorithme DBscan................................................................................... 168

4.1 Évaluation de l'archive................................................................................ 192

4.2 Distribution des 9 603 articles dans les sept sources d'information............ 196

4.3 Évaluation du corpus de référence............................................................... 203

4.4 Exemple arbre de décision pour Treetagger................................................ 204

4.5 Exemple de probabilités pour les suffixes de la langue anglaise................. 205

4.6 Procédure de filtrage des documents........................................................... 216

4.7 Évaluation du corpus d'étude...................................................................... 220

4.8 Indices en soutien du choix du paramètre k pour le Journal de Montréal... 227

4.9 Indices en soutien du choix du paramètre k pour le journal Le Soleil........ 227

4.10 Indices en soutien du choix du paramètre k pour le Journal de Québec...... 228

4.11 Indices en soutien du choix du paramètre k pour le journal La Presse........ 228

4.12 Indices en soutien du choix du paramètre k pour le journal Le Devoir....... 229

4.13 Indices en soutien du choix du paramètre k pour le site web Radio-Canada

229

4.14 Indices en soutien du choix du paramètre k pour le journal Métro ............. 230

4.15 Résumé du nombre de cluster et d'articles retenus pour la phase

d'annotation par source d'information........................................................ 232

5.1 Réseau global de tous les clusters créés dans la phase de regroupement
automatique des documents similaires........................................................ 242
 X

5.2 Représentation graphique de tous les clusters avec un filtre des liens fixé
à 0,77 et l'application de l'algorithme Force Atlas 2 .................................. 243

5.3 Détail de la figure 5.2. Encerclé en rouge les 11 clusters sélectionnés....... 245

5.4 Représentation graphique de l'agglomérat des 11 clusters centraux........... 246

5.5 Détail de la figure 5.2. Au centre, l'agglomérat traitant la confrontation

entre M. Charest et [Link] Marois ................................................... .-............ 258

5.6 Représentation graphique de l'agglomérat traitant la confrontation entre

M. Charest et [Link] Marois......................................................................... 259

5.7 Représentation graphique de l'agglomérat traitant le projet de loi 12......... 268

5.8 Représentation graphique de l'agglomérat traitant les manifestations et

les affrontements entre police et manifestant.............................................. 275

5.9 Représentation graphique de l'agglomérat traitant les élections avec le

seuil du filtre des liens fixé à 0,77 ............................................................... 284

5.10 Représentation graphique de l'agglomérat traitant les élections avec le

seuil du filtre des liens fixé à 0,76 ............................................................... 284

5.11 Représentation graphique de l'agglomérat traitant les élections avec le

seuil du filtre des liens fixé à 0, 7 ................................................................. 289

5.12 Représentation graphique de l'agglomérat traitant les élections avec le

seuil du filtre des liens fixé à 0,69 ...... ................. .......... ........................ ...... 290

5.13 Représentation graphique de l'agglomérat traitant les articles d'opinion... 296

5.14 Représentation graphique des 117 clusters qui ont été annotés avec le
seuil du filtre des liens fixé à 0.6 ................................................................. 306

5.15 Détail de la figure 5.14 ................................................................................ 308

5.16 Représentation graphique des liens du cluster ME_6.................................. 309

 xi

5.1 7 Détail de la figure 5.14 ... .. ... ... ...... .. ... .... .... ........ .... .. .... ..... .. .. .. ... ...... .. ... ... .... 313

5.18 Nouage de mots plus fréquents du cluster JM_43 ....................................... 314

5.19 Détail de la figure 5.14. Les clusters JQ_4 _et JQ_6 sont représentés à
gauche, le cluster JQ_ 14 à droite. La figure montre leur isolement............ 318

5.20 Nouage de mots plus fréquents du cluster JQ_4.......................................... 319

5.21 Nouage de mots plus fréquents du cluster JQ_14........................................ 322

5.22 Nouage de mots plus fréquents du cluster JQ_6.......................................... 325

5.23 Détails de la figure 5.14. Les clusters PR_41 (a), PR_21 (b), PR_23 (c) et
PR_29 (d) sont représentés.......................................................................... 329

5.24 Détail de la figure 5.14. Les clusters SO_19 et SO_28 sont représentés
avec leurs connexions.................................................................................. 334

5.25 Détail de la figure 5.14. Les clusters DE_4,DE_6et DE_46 sont

représentés ............................................................................... :................... 339

5.26 Détail de la figure 5.14. Le cluster DE_4 et ses connexions....................... 339

5.27 Détail de la figure 5.14. Les clustersRC_16 et RC_28 sont représentés..... 346

6.1 Expression et contenu selon Hjelmslev....................................................... 358

6.2 L'exemple de la feuille de papier................................................................ 368

6.3 Illustration de la dépendance intrasystémique de la valeur linguistique..... 369

6.4 Jeu de données à deux dimensions représentées dans un espace plan......... 375

6.5 Représentation d'un jeu de données en trois dimensions............................ 376

 Xll

6.6 Histogrammes des distances de toutes les paires possibles parmi 100
. ec
pomts , h antl·11onnes
, de mamere
. ' [Link] ................................................ . 377

6.7 Genèse narrative comme une structure récursive ....................................... . 386

6.8 Génération d'une trame narrative simple par un automate fini .................. . 386
 LISTE DES TABLEAUX

Tableau Page

2.1 Représentation du modèle actantiel sous forme de tableau ........................ . 97

2.2 Les sous-catégories actantielles .................................................................. . 98

3.1 Représentation vectorielle de l'énoncé 1 .................................................... . 160

3.2 Exemple d'un programme narratif.............................................................. . 182

3.3 Exemple d'un programme narratif complété par son opposé ..................... . 183

4.1 Résumé des indices de dispersion ............................................................... . 196

4.2 Résumé des fréquences des signatures par source d'information .............. . 197

4.3 Les premiers dix journalistes par source d'information en relation à la

fréquence d'apparition ................................................................................ . 198

4.4 Résumé des catégories d'articles et leurs fréquences ................................. . 199

4.5 ' . d' art1c

Categones . 1es pour ch aque source d'.m fcormat10n
• ............................ . 201

4.6 Description des fréquences des mots dans les articles................................. 201

4.7 Détails des parties du discours annotées...................................................... 206

4.8 Nombre total par partie du discours en ordre décroissant ........................... 206
 XlV

4.9 Totaux des annotations par source d'information....................................... 207

4.10 Résumé du ration token/type (annotation/lemme)....................................... 209

4.11 Les 20 mots les plus fréquents du corpus, en excluant le mot « étudiant » 210

4.12 Les 20 mots les plus fréquents par source d'information............................ 211

4.13 Variabilité du vocabulaire............................................................................ 214

4.14 Résultats filtrage par règles ................................ ......................................... 215

4.15 Résultats du test SVM ................................................................................. 219

4.16 Valeur max _k pour chaque source d'information...................................... 224

4.17 Valeur k choisie pour chaque sous-corpus................................................... 226

4.18 Exemples de codes des annotations, avec leurs racines sémantiques, les
suffixes syntaxiques et les rôles actantiel correspondant ............................ 233

4.19 Les 20 codes les plus fréquents du processus de lecture et d'analyse des
articles.......................................................................................................... 235

4.20 Les 20 codes les plus fréquents pour le journal Metro et le Journal de
Montréal...................................................................................................... 236

4.21 Les 20 codes les plus fréquents pour le Journal de Québec et le site-web
Radio-Canada.............................................................................................. 237

4.22 Les 20 codes les plus fréquents pour Le Devoir et La Presse ..................... .238

4.23 Les 20 codes les plus fréquents pour Le Soleil ........................................... ; 238

5.1 Programme narratif PNl .............................................................................. 246

5.2 Programme narratif PN2.............................................................................. 247

 XV

5.3 Programme narratif PN3.............................................................................. 259

5.4 Taille des clusters de l'agglomérat sur la loi 12 .......................................... 268

5.5 Programme narratif PN4 ..... ·......................................................................... 269

5.6 Programme narratif PN5.............................................................................. 270

5.7 Programme narratif PN6.............................................................................. 275

5.8 Programme narratif PN7 .............................................................................. 285

5.9 Programme narratif PN8.............................................................................. 290

5.10 Taille de chaque cluster avec son rang dans la partition du journal
correspondant............................................................................................... 296

5.11 Exemples de titres similaires pour les articles pareils entre le Journal de
Québec et le Journal de Montréal............................................................... 312

6.1 Schéma actantiel de l'idéologie marxiste selon Greimas............................ 351

6.2 Exemple d'une matrice binaire pour la phrase « La linguistique est

enseignée à l'université », suivi d'une deuxième phrase............................. 372
 LISTE DES ABRÉVIATIONS, DES SIGLES ET DES ACRONYMES

ASCII American Standard Code for Information Interchange

ATO Analyse de texte assistée par ordinateur

CADEUL Confédération des associations d'étudiants et d'étudiantes de

l'Université de Laval

CAQ Coalition avenir Québec

CDJ-ADQ Commission des jeunes ~u parti Action démocratique du Québec

CLASSE Coalition large de l'Association pour une solidarité syndicale étudiante

CRÉPUQ Conférence des recteurs et des principaux des universités du Québec

CSN Confédération des syndicats nationaux

CSQ Centrale des syndicats du Québec

DBscan Density-Based Spatial Clustering of Applications with Noise

DE Le Devoir

FECQ Fédération Étudiante Collégiale du Québec

FEUQ Fédération Étudiante Universitaire du Québec

FNEEQ Fédération nationale des enseignantes et enseignants du Québec

 xvn

FTQ Fédération des travailleurs et travailleuses du Québec

JM Le Journal de Montréal

JQ Le Journal de Québec

ME Métro (Montréal)

PLQ Parti Libéral du Québec

PN Programme narrative

PQ Parti Québécois

PR La Presse

QS Québec solidaire

RC Radio-Canada

so Le Soleil

SPVM Service de police de la ville de Montréal

SPVQ Service de police de la ville de Québec

SPVG Service de police de la ville de Gatineau

SQ Sûreté du Québec

SQL Structured Query Language

SVM Support-Vector Machines (algorithme machine à vecteur de support)

TACEQ Table de concertation étudiante du Québec

 XVlll

TF-IDF Term Frequency-Inverse Document Frequency

TVQ Taxe de vente du Québec

UQAM Université du Québec à Montréal

UTF-8 Unicode Transformation Format, 8 bit

 RÉSUMÉ

La révolution numérique est en train de modifier profondément les pratiques des

sciences humaines et sociales. Dans ce nouveau parcours, la sémiotique joue un rôle
prépondérant en raison de ses spécificités qui la rendent compatible avec le cadre
computationnel requis par le numérique. La sémiotique computationnelle est un
champ de recherche qui contribue au développement des humanités numériques.

Mais que signifie numérique ou computationnel pour les humanités? Cette thèse
présente une piste de réponse à ce genre de questionnement à l'aide d'une
démonstration de faisabilité. Pour ce faire, une pratique pertinente dans ce contexte
est identifiée, soit l'analyse de texte assistée par ordinateur (ATO). En effet,
l'analyse de texte est l'une des pratiques les plus répandues en humanités et constitue
également l'un des objets d'étude privilégiés de la sémiotique. Par la suite, un cas
d'étude est identifié dans le domaine des médias et, plus particulièrement, dans le
champ de l'analyse de presse. Le printemps érable, le mouvement estudiantin
québécois de 2012, a été choisi en raison de sa large couverture journalistique, ce qui
garantit la possibilité d'obtenir un grand nombre d'articles de presse traitant ce
phénomène socio-politique.

L'analyse de ce corpus journalistique a été effectuée au moyen d'une chaîne de

traitement construite avec le support d'outils issus du traitement automatique du
langage naturel et de l'apprentissage automatique. Pour ce faire, une approche
théorique d'intersection entre la sémiotique et l'intelligence artificielle a été mise au
point et ceci, afin de fournir une assistance computationnelle à une théorie sémiotique
spécifique, soit la « sémiotique narrative ». Ainsi, une technique de clustering a été
choisie pour assister l'analyse narrative du texte journalistique. La chaîne de
traitement est évaluée par une phase d'annotation qui constitue une partie importante
de la méthode.

Les résultats montrent que la chaîne de traitement est pertinente pour l'exploration
d'un corpus de grande taille. En effet, de grands agglomérats de macrostructures
sémantiques similaires ont été identifiés de manière transversale aux différentes
sources d'information. On identifie, par exemple, que le discours électoraliste est un

. '
 XX

des plus fréquents du corpus, ainsi que les débat sur les négociations entre les
étudiants et le gouvernement. On identifie aussi certaines spécificités selon le journal,
comme la mise en valeur du concept d'éducation par le journal Le Devoir, ou des
concepts économiques par Le Journal de Montréal. Chaque résultat obtenu constitue
ainsi une piste de recherche pour l'approfondissement de la couverture journalistique
sur le printemps érable.

Ce travail de recherche contribue au transfert de connaissance de l'informatique vers

les sciences humaines et, plus particulièrement, vers la sémiotique. Le parcours de la
thèse tente de faciliter la compréhension des différents algorithmes et outils de la
chaîne de traitement. Elle contribue également à la compréhension d'un des volets de
la sémiotique computationnelle, celui qui voit l'ordinateur comme« outils au service
de l'analyse sémiotique». Elle propose aussi une perspective particulière pour
l'agencement de la sémiotique et de l'intelligence artificielle et, donc, pour le
développement de la sémiotique computationnelle. De façon plus spécifique, la
recherche souligne la nécessité de décomposer les pratiques de la sémiotique en
tâches simples et formelles, afin que leur conversion en tâches computables soit
réalisée.

Enfin, les humanités n'ont pas de raison de craindre la révolution numérique amenée
par le développement de l'intelligence artificielle, mais elle devrait plutôt en profiter
pour augmenter ses capacités d'analyse des phénomènes humains et sociaux.

Mots clés:

Humanités numériques, sémiotique computationnelle, analyse de texte assistée par

ordinateur, ATO, traitement automatique du langage naturel, apprentissage
automatique, fouille de texte, text mining, analyse des données, clustering, analyse
narrative, texte journalistique, analyse de presse, printemps érable, mouvement
étudiant québécois de 2012
 INTRODUCTION

La sémiotique est une discipline intrinsèquement interdisciplinaire et son histoire le

prouve. En effet, elle a commencé son parcours en concomitance avec une autre
discipline, la linguistique. Pendant longtemps, les histoires de ces deux disciplines se
sont entrecroisées alors que la linguistique englobait la sémiotique en tant que champ
d'étude. Ce n'est qu'à partir des années 60 que la sémiotique est devenue une
discipline autonome et distincte de la linguistique et ce, tout en conservant sa nature
interdisciplinaire. Avec le temps, la sémiotique a redéfini ses approches, ses
méthodologies et ses objets d'étude spécifiques, mais elle n'a pas cessé de produire
des « contaminations disciplinaires » de toute sorte. La linguistique et la philosophie,
par exemple, n'ont jamais cessé d'interagir avec les recherches sémiotiques. Les
travaux d'Umberto Eco en témoignent. Ses premières œuvres, comme « Opera
aperta » (Eco, 1962, trad. fra. L 'œuvre ouverte, 1965), laissent sans aucun doute
transparaître les études en esthétique réalisées pendant son doctorat. Ainsi, les
disciplines comme l'anthropologie et les études littéraires ont contribué de manière
importante au développement de la sémiotique, en précisant à celle-ci des champs
d'application et en lui fournissant des réflexions théoriques et méthodologiques. De
plus, lorsque la sémiotique a défini davantage ses méthodologies, elle est devenue
« une méthode » utilisée par une panoplie d'études en· communication, marketing,
analyse du discours, littérature, musique, histoire de l'art, photographie, cinéma, etc.
Dans ce contexte, elle a lié son développement à celui des disciplines dans lesquelles
elle opère. Ainsi, aujourd'hui comme hier, son originalité et sa pertinence dépendent
de plus en plus de sa capacité à être interdisciplinaire.
 2

La « révolution numérique » qui est en train de modifier profondément les sciences

humaines et sociales .ne peut pas être ignorée par la sémiotique. De plus en plus,
l'interaction entre les sciences humaines et sociales avec les domaines de
l'informatique illustre la pertinence de définir un nouveau domaine d'étude, soit celui
des humanités numériques. Ces dernières « recouvrent un ensemble de pratiques de
recherche à l'intersection des technplogies numériques et des différentes disciplines
des sciences humaines » (Dacos et Mounier, 2015, p. 7). La sémiotique est partie
intégrante de cette révolution et y contribue par le développement d'un nouveau
champ d'étude, soit la sémiotique computationnelle. En réalité, ce genre d'études est
plus ancien que la définition des humanités numériques (autour des années 2000) et
compte déjà à son actif trois volets de recherche différents dont nous traitons au
premier chapitre. La sémiotique computationnelle possède sa propre autonomie par
rapport aux humanités numériques et leur impose sa pertinence. En effet, la
sémiotique, discipline qui étudie les systèmes et les processus de la signification,
travaille sur les artefacts sémiotiques qui constituent les objets d'étude des différentes
humanités. Elle leur fournit ainsi des théories et des méthodes pour l'analyse et
l'interprétation de leurs propres objets d'étude. Il ne fait aucun doute que la
sémiotique computationnelle agit de la même manière et rejoint ainsi les objectifs de
recherche spécifiques aux humanités numériques.

Le rôle de la sémiotique dans · le domaine des humanités numériques est très

important, car elle possède les compétences pour approfondir le croisement entre
sciences humaines et informatique. Ceci est surtout dû au fait que la sémiotique
constitue un

cadre formel et logique qui ressemble aux mathématiques puisqu'elle contient

les outils pour exécuter des opérations logiques sur elle-même (en tant que
système de signes), ainsi que pour utiliser ces outils pour analyser le
mouvement, le changement ou la perturbation dans d'autres systèmes. (P. K.
Manning, 2004, p. 586) [Notre traduction]
 3

En effet, comme les mathématiques, la sémiotique opère sur la construction d'un

métalangage formel qui exécute des opérations sur les sémiotiques pour les décrire,
les reproduire ou les interpréter. Sa pertinence dérive donc essentiellement de ses
modèles formels et logiques, très bien adaptés au contexte interdisciplinaire mis en
place par les humanités numériques. En d'autres termes, les métalangages ou les
métasémiotiques qui sont élaborés pour décrire les sémiotiques ont une nature
formelle qui se conforme bien au cadre théorique du numérique. Ce point sera
approfondi au chapitre IL

Mais, qu'est-ce que le numérique? Qu'est-ce que l'adjectif «numérique» signifie dans
la locution «humanités numériques»? Ces mêmes questions se posent pour la locution
« sémiotique computationnelle » : qu'est-ce que le computationnel en sémiotique?
Nous tenterons de répondre à ces questions tout au long de ce travail de recherche.
Pour commencer, soulignons un premier aspect qui, bien qu'il puisse sembler trivial,
mérite selon nous une plus large réflexion de la part des chercheurs en humanités.
L'adjectif numérique ou computationnel ne peut pas se limiter à qualifier des
pratiques de recherche qui utilisent une technologie numérique dans le cadre des
sciences humaines et sociales. L'interaction avec le numérique est un phénomène
plus profond, qui concerne les racines épistémologiques des sciences humaines. Pour
explorer davantage ce que le numérique implique, nous proposons de l'appréhender
par le biais d'un terme qui a été défini dans le « Dictionnaire raisonné de la théorie
du langage » (Greimas et Courtés, 1979) et qui appartient au groupe des concepts les
plus négligés par la sémiotique, soit celui d' a lgorithme. En effet, ce concept
constitue une porte d'entrée pour une compréhension approfondie du numérique et du
computationnel. Ces auteurs nous l'offrent déjà prêt à l'emploi, dans un contexte de
sciences humaines et, plus spécifiquement, en sémiotique.

Par algorithme, on entend la prescnptlon d'un ordre déterminé dans

l'exécution d'un ensemble d'instructions explicites en vue de la solution d'un
 4

certain type de problème donné. Dans la métasémiotique scientifique, qui se

donne pour tâche de représenter le fonctionnement d'une sémiotique sous la
forme d'un système de règles, l'algorithme correspond à un savoir-faire
syntagmatique, susceptible de programmer, sous forme d'instructions,
l'application de règles appropriées. (Greimas et Courtés, 1979, p. 12)

Cette définition d'algorithme peut servir de base pour la définition des termes
« numérique » et « computationnel » dans un contexte de recherche en sciences
humaines, car elle élargit leurs divers sens en intégrant les pratiques de travail déjà en
place en science humaines. En effet, cette définition met en relief un concept très
important, soit celui de programme, considéré comme une suite d'opérations
formelles, bien définies et ayant pour but d'accomplir une tâche précise. Pour la
sémiotique, l'algorithme correspond aux procédures formelles ou au « savoir-faire
syntagmatique », mis en place par les métasémiotiques scientifiques. Ainsi, les
métalangages sont associés aux programmes informatiques puisqu'ils décrivent les
sémiotiques par des suites de règles cohérentes, homogènes et surtout, formelles. En
ce sens, la sémiotique comporte plusieurs éléments qui mènent vers cette perspective,
comme la « sémiotique narrative » :

Il est évident que la présentation algorithmique des suites de règles ne peut se

faire que progressivement : l'organisation algorithmique ne peut être conférée
d'abord qu'à certaines procédures d'analyse. Ainsi, en sémiotique narrative, les
programmes narratifs complexes, par exemple, sont déjà susceptibles de
recevoir une formulation algorithmique. C'est dans la même perspective que
nous avons proposé de considérer comme un algorithme de transformation
une suite ordonnée d'opérations permettant de passer de l'état initial à l'état
final d'un récit fermé. (ibid.)

Plusieurs éléments intéressants se retrouvent dans cet extrait. D'abord, la conscience

que l'organisation algorithmique d'un phénomène s'élabore progressivement et à
partir de certaines procédures d'analyse. En d'autres termes, certaines opérations et
procédures qui sont exécutées dans un contexte d'analyse peuvent commencer à être
organisées selon une suite de règles ou algorithme. De plus, Greimas et Courtés
 5

considèrent les metasémiotiques comme des représentations conceptuelles et

organisées de phénomènes sémiotiques, qui peuvent être converties en procédures
algorithmiques. En fait, ils identifient déjà un métalangage « susceptible de recevoir
une formulation algorithmique », soit les programmes narratifs. Ainsi, un phénomène
sémiotique est décrit par une métasémiotique laquelle, lorsqu'elle respecte un certain
degré de formalisme en ressemblant le plus possible à une suite de règles, peut
« recevoir une formulation algorithmique >~. Sous cet angle, la sémiotique
greimassienne peut déjà constituer un exemple de sémiotique computationelle.

Le numérique n'est donc pas seulement l'utilisation de la technologie, ou la

description d'une technologie et de son usage (ex. l'ordinateur, Facebook, Twitter,
etc.). Cette définition par Greimas de l'algorithme rapproche la sémiotique et les
humanités à la discipline-mère de cette révolution numérique, soit l'intelligence
artificielle. Cette discipline a beaucoup en commun avec les humanités, car sa
mission est la simulation des compétences humaines. La métaphore de l'ordinateur-
cerveau, surtout diffusée dans un des domaines qui ont participé au développement de
l'intelligence artificielle, soit les sciences cognitives, est un symbole de cette
perspective de simulation des compétences humaines. En effet, la définition la plus
largement acceptée d'intelligence artificielle est la suivante : « Artificial Intelligence
is the study of how to make computers do things at which, at the moment, people are
better » (Rich et al., 2009, p. 3). Elle souligne que c'est le transfert des fonctions
cognitives vers l'ordinateur qui constitue le« Saint Graal » de cette discipline.

L'intelligence artificielle se base sur des phénomènes humains pour créer des
modèles formels et computables. En faisant un certain saut théorique, on peut dire
qu'elle requiert une représentation conceptuelle, ou une théorie, des fonctions
cognitives qu'elle veut simuler avec une machine. D'une part, la sémiotique offre
certainement des modèles pour la compréhension des dynamiques sémiotiques
 6

puisqu'elle essaie de décrire par des métalangages formels et « susceptibles de

recevoir une formulation algorithmique » les dynamiques sémiotiques. D'autre part,
l'intelligence artificielle tente de faire la même chose avec des phénomènes sémio-
cognitifs, en ajoutant un niveau de formalisme algorithmique et d'implémentation
technologique. Ainsi, les métalangages formels de la sémiotique constituent la
richesse même de sa relation avec l'intelligence artificielle. Certains auteurs ont
explicitement affirmé, par exemple, que « la sémiotique a inventé des modèles
théoriques qui peuvent servir à l'intelligence artificielle » (Thérien, 1989). Pour
utiliser un terme du langage spécifique à l'informatique, on pourrait dire que la
sémiotique a le rôle de mettre en place le pseudo-code qui constitue la représentation
conceptuelle et formelle des fonctions sémio-cognitives.

Enfin, cette révolution numérique, alimentée par les développements de l'intelligence

artificielle, est en train de bouleverser la société, le monde professionnel et la
recherche académique. Deux derniers éléments doivent être introduits pour compléter
cette description sommaire de cette révolution, soit le big data et l'apprentissage
automatique. La locution big data désigne le phénomène d'accumulation massive de
données qui, une fois analysées, peuvent fournir des connaissances précieuses. Le big
data est lié au développement de la science des données, c'est-à-dire au
développement des techniques d'analyse statistique en interaction avec
l'apprentissage automatique. Ce dernier est un des programmes de l'intelligence
artificielle et désigne des techniques qui simulent l'apprentissage humain afin de
résoudre des tâches spécifiques. Ces techniques utilisent des données préalablement
accumulées pour apprendre à exécuter une tâche. L'apprentissage automatique s'est
développé parallèlement à l'apprentissage statistique et les deux sont désormais
considérés comme des synonymes. En simplifiant, cette interaction entre statistique et
informatique a donné lieu à la science des données. Ainsi, la révolution numérique est
également liée à l'accroissement des possibilités d'accumulation de données, comme
 7

la numérisation massive de textes, et des possibilités de leur analyse par

l'apprentissage automatique.

La science des données apporte donc de nouveaux éléments aux humanités, et plus
particulièrement, l'emploi d'une nouvelle approche méthodologique. Cette dernière
est celle des études axées sur les données ou data-driven. Cette approche
méthodologique mène à des réflexions épistémologiques qui tendent vers un
réexamen de l'approche empirique. En effet, le big data et l'approche data-driven
qu'il met en place inaugurent une nouvelle ère de l'empirisme, puisque

le volume des données accompagné par des techniques qui peuvent en révéler la
connaissance intrinsèque, donne la possibilité aux données de parler par elles-
mêmes sans les contraintes d'une théorie qui leur est imposée. (Kitchin, 2014,
p. 3) [Notre traduction]

L'approclie axée sur les données comporte ses propres spécificités, qui la
caractérisent comme un type d'approche empiriste qui se combine mieux avec les
humanités. La principalé caractéristique qui facilite cette combinaison est sa capacité
à développer un bricolage d'approche et de méthodologies:

Contrairement aux nouvelles formes d'empirisme, les approches axées sur les
données cherchent à respecter les principes de la méthode scientifique, mais
elles sont plus ouvertes à l'utilisation d'une combinaison hybride d'approches
abductives, inductives et déductives pour faire progresser la compréhension
d'un phénomène. (Kitchin, 2014, p. 5) [Notre traduction]

En ce sens, les sciences des données et les approches axées sur les données sont
compatibles avec les humanités, car elles utilisent souvent un mélange d'approches
pour avancer dans la compréhension d'un phénomène.

Les éléments méthodologiques des humanités numériques et de la sémiotique

computationnelle se clarifient davantage avec la description de la révolution
 8

numérique en cours. Dans ce contexte, il manque toutefois une définition très

importante, soit celle de données pour les humanités. Le mot «donnée» vient du
latin datum, qui signifie « ce qui est donné », en renvoyant essentiellement à
l'expérience perceptible. En effet, les données sont les éléments d'un phénomène qui
peuvent être perçus ou décrits, permettant ainsi l'étude même du phénomène. Il est
possible, par exemple, d'obtenir des données sous forme de textes, d'images ou d'un
ensemble de faits observés, ou encore décrits, comme dans le cas des données
psychosociales ou économiques. En ce sens, les humanités ont toujours manipulé des
« données ». Les livres, les peintures, les films, en sont des exemples. Les méthodes
et les pratiques des humanités sont souvent liées à l'analyse de données (Schoch,
2013). La numérisation massive qui est en cours produit des jeux de données de plus
en plus intéressants pour les humanités, ce qui alimente la révolution numérique et
souligne encore plus le fait que les humanités sont très compatibles avec la science
des données. La révolution numérique est surtout constituée de l'accumulation de
données et de l'arrivée de nouvelles techniques d'analyse dont certaines, il faut le dire,
ne sont pas si récentes. Ceci apporte certainement de nouvelles réflexions
épistémologiques et méthodologiques au sein des sciences humaines. Cependant,
nous sommes d'avis qu'il n'est pas nécessaire de repenser la nature même des
humanités ou de révolutionner toutes ses pratiques. Il suffit de mettre en valeur ce qui
est déjà compatible avec cette « révolution ». Il est certain que des bouleversements
plus profonds peuvent se produire, comme le suggèrent Boyd et Crawford (2012):

Le big data recadre des questions clés sur la constitution des connaissances, les
processus de recherche, la manière dont nous devons interagir avec les
informations, la nature et la catégorisation de la réalité ... Le big data délimite
de nouveaux objets, méthodes de connaissance et définitions de la vie sociale.
(Boyd et Crawford, 2012, p. 663) [Notre traduction]

Toutefois, nous estimons que le changement est surtout lié à l'augmentation des
possibilités d'analyse avec le big data et les sciences des données. Le paradigme du
 9

numérique introduit d'abord des nouvelles possibilités d'extraction de connaissances

et ceci à plus grande échelle, ce qui permet de découvrir de « nouveaux observables »
(Rastier, 2011). Il faut donc saisir la possibilité que la science des données offre aux
humanités pour la découverte d'éléments qu'on n'aurait pas pu identifier autrement.

Ce n'est donc pas toute la recherche en sciences humaine qui doit évoluer. Dans la
majorité des cas, la science des données peut fournir une assistance aux pratiques de
recherche plus traditionnelles des humanités. L'analyse de texte assistée par
ordinateur en est le meilleur exemple. Dans ce cadre, l'analyse de texte reçoit une
assistance des techniques issues de la statistique et de l'informatique pour des études
en sciences humaines et sociales. Elle constitue également un exemple de sémiotique
computationnelle, car l'analyse de texte est un de ses objets privilégiés. L'analyse de
texte assistée par ordinateur constitue le cœur de cette thèse et elle sera précisée dans
le premier chapitre.

Dans un contexte de mise en valeur de la matérialité observable ou descriptible, du

plan d'immanence d'un phénomène, du concept de données et de méthode empirique,
la sémiotique prend toute sa place. Comme l'affirme Fabbri (2008) en reprenant les
mots de Greimas, la sémiotique est une discipline à vocation empirique. Chaque
projet sémiotique est composé de quatre niveaux qui, en principe, devraient être
cohérents entre eux, soit les niveaux épistémologique, théorique, méthodologique et
empirique. Ce dernier niveau constitue le matériau à partir duquel la sémiotique
commence son projet de recherche. Avec la révolution numérique, la sémiotique doit
affronter de nouveaux défis introduits par les nouvelles techniques offertes par la
science des données, l'apprentissage automatique et l'accumulation massive de
données. Ses niveaux sont donc affectés par cette révolution et le principal défi est de
comprendre de quelle manière la sémiotique peut intégrer l'intelligence artificielle
dans ses pratiques. Il faut donc établir le chemin de la sémiotique computationnelle.
 10

Dans le cadre décrit précédemment, une série de questions surgissent. Dans le

contexte de la sémiotique computationnelle, quelles sont les théories sémiotiques
formelles qui peuvent recevoir une assistance par ordinateur? Comment cette
assistance peut-elle se réaliser? Quel est son cadre épistémologique? Et quelle est son
approche théorique? Enfin, quels sont les outils computationnels qui peuvent être mis
au service de l'analyse sémiotique? Et, une fois ce travail fait, obtenons-nous des
résultats intéressants avec l'utilisation de ces outils?

Pour répondre à ce genre de questions, la présente recherche propose un cas d'étude

spécifique et la construction d'une chaîne de traitement pour l'analyse d'un type
particulier de texte, soit le texte journalistique. Le cas d'étude choisi est le
« printemps érable», le mouvement estudiantin québécois de 2012. La chaîne de
traitement est construite avec des outils venant du traitement automatique du langage
naturel et de l'apprentissage automatique. Elle constitue ainsi un exemple de méthode
appartenant à la sémiotique computationnelle. L'approche théorique est composée de
deux paradigmes, le computationnel et le sémiotique, que nous essayons d'intégrer
dans la présente thèse. Le but est ainsi de proposer une démonstration de faisabilité
d'une méthode de sémiotique computationnelle et de réfléchir sur la façon dont la
sémiotique peut contribuer au développement de l'analyse de texte assistée par
ordinateur.

La thèse est divisée en six chapitres. Le premier chapitre explicite la problématique.

Le champ de la sémiotique computationnelle y est décrit dans les premiers
paragraphes. Par la suite, le contexte spécifique de cette recherche, soit l'analyse du
texte journalistique, est présenté. Le chapitre se conclut avec la formulation de la
question de recherche et des hypothèses de recherche. Le deuxième chapitre est quant
à lui consacré au cadre théorique. Celui-ci présente trois composantes : l'approche
sémio-computationnelle, qui définit la manière dont l'intersection entre sémiotique et
 11

computationnel est abordée dans ce travail, le paradigme sémiotique et le paradigme

computationnel. Le troisième chapitre se concentre de son côté sur la description de
la méthode. La première partie est ainsi dédiée à l'exemplification des données qui
sont utilisées dans un cadre d'analyse de texte assistée par ordinateur, c'est-à-dire la
constitution du corpus. Pour la sémiotique computationnelle, cette étape est cruciale.
Les autres parties du chapitre définissent la chaîne de traitement qui a été construite
pour cette étude. Elles comportent une phase de prétraitement du corpus, à l'aide des
outils issus du traitement automatique du langage naturel, une phase de filtrage et de
regroupement automatique, à l'aide des outils de l'apprentissage automatique; et
enfin, un_e étape d'annotation à l'aide d'un outil informatique qui permet la
production d'une base de données relationnelle pour maintenir une trace de la lecture
et de l'analyse effectuée. Le quatrième chapitre décrit en détails les expérimentations
et aborde pas à pas les différentes étapes de la méthode, en présentant les résultats
obtenus pour chacune d'elles. Le cinquième chapitre présente les résultats obtenus sur
les corpus. Les caractéristiques similaires et distinctives entre les différentes sources
d'information retenues pour cette étude y sont mises en évidence. Le sixième et
dernier chapitre soumet une série de réflexions sur les résultats obtenus et surtout, sur
les aspects méthodologiques de cette étude.
 CHAPITRE!

PROBLÉMATIQUE

Le premier chapitre explicite la problématique. D'abord, la sémiotique

computationnelle est décrite plus en profondeur avec ses trois axes de recherche. Elle
constitue le principal cadre de référence de la thèse. Par la suite, nous introduisons
brièvement le champ d'application du présent travail, qui est l'étude des médias au
moyen de l'analyse du texte journalistique. À l'intérieur de ce champ d'application,
nous introduisons également le cadre méthodologique de cette thèse, qui est
essentiellement celui de l'analyse quantitative du texte journalistique et de l'analyse
de texte assistée par ordinateur. Ainsi, nous soulignons les croisements inexplorés
entre la sémiotique et le news mining. Le chapitre continue avec l'explicitation de la
question de recherche, des hypothèses et des objectifs poursuivis. Il se conclut avec
une description du cas d'étude qui a été choisi pour ce travail, qui est le printemps
érable, ainsi qu'avec une brève revue d'autres corpus qui ont fait l'objet du même
type d'analyse.

1.1 La sémiotique computationelle

Dans cette thèse, deux disciplines s'entrecroisent, soit l'intelligence artificielle et la

sémiotique. La méthode proposée met de l'avant une vision de partage et de transfert
de connaissances entre les deux. Plus particulièrement, elle explore les potentialités
 13

computationnelles de l'analyse sémiotique en identifiant certaines opérations

cognitives « computables » et en proposant des solutions algorithmiques qui peuvent
les exécuter. La possibilité de réaliser des opérations cognitives par une machine
constitue la problématique de base de l'intelligence artificielle. La naissance de cette
dernière, comme celle du cognitivisme, est enracinée dans le mouvement
cybernétique des années 1940 et 1950 (Dupuy, 2009). C'est dans ce contexte que
l'intérêt pour les mécanismes de la pensée humaine et la possibilité de les simuler à
l'aide d'un ordinateur a émergé. La définition d'intelligence artificielle actuellement
la plus répandue (Ertel, 2011) est celle de Elaine Rich (Rich et al., 2009), qm
souligne comment . le transfert des fonctions cognitives vers l'ordinateur est
effectivement le principal but de cette discipline :

L'intelligence artificielle est l'étude des manières de permettre aux ordinateurs

de faire des choses pour lesquelles, à l'heure actuelle, l'être humain est meilleur.
· (Rich et al., 2009, p. 3) [Notre traduction]

Du point de vue de la sémiotique, cette définition conduit à l'identifi~ation des

aspects computables des dynamiques sémiotiques. Si la sémiotique a comme but de
comprendre les manières utilisées par l'être humain pour mettre les « choses » en
condition de signifier (Marrone, 2001), la sémiotique computationnelle devrait donc
avoir comme but la « simulation » des « conditions de signification ». Le substantif
« simulation » devrait ici être appréhendé dans une acception large, car il doit
représenter des expériences de recherche très différentes les unes des autres, dont
seule une portion utilise effectivement l'informatique pour implémenter des
dynamiques ~émiotiques.

De nos jours, il est de plus _en plus évident que le développement des outils et des
méthodes issus de l'intelligence artificielle a un impact important sur la recherche en
sciences humaines. L'intelligence artificielle est de plus en plus souvent impliq_uée
 14

dans des programmes de recherches interdisciplinaires, auxquels des disciplines

comme les sciences du langage, la sociologie, .la psychologie, la philosophie, la
communication participent. La sémiotique est égal~ment une des disciplines qui, de
façon directe ou indirecte, contribue au développement de ce type de programme de
recherche. En effet, le champ de la sémiotique computationnelle est déjà une réalité
de grande valeur.

Compte tenu de leur grand nombre et de leur diversité, il est très difficile d'identifier
et de classer les études pouvant faire partie de la sémiotique computationnelle. Pour
des raisons de simplicité, la sémiotique computationnelle est ici subdivisée en trois
grandes branches: l'étude de l'ordinateur comme machine sémiotique (Andersen,
1997; Etxeberria et Ibaftez, 1999; Fetzer, 2011; Ketner, 1988; Meunier, 1989, 2014;
Nadin, 1977; Queiroz et Merrell, 2008; Raber et Budd, 2003; Rapaport, 2012);
l'étude de l'ordinateur comme artefact (De Souza, 2005; Nadin, 2011; Stamper, 1973;
Tanaka-Ishii, 2010; Zemanek, 1966); et l'étude de l'ordinateur comme outil au
service de la recherche sémiotique (Bernard et Bohet, 2017; Compagno, 2018; Lebart
et al., 2003; Lebart et Salem, 1994b; Meunier, 2009; Meunier et Forest, 2009; Moretti,
2013; Pêcheux, 1969; Rastier, 2018, 2011; Rieger, 1997; Tanaka-lshii, 2015; Valette,
2018). Cette classification est basée sur la manière d'entendre la relation avec
l' « ordinateur ». Le mot « ordinateur » doit être appréhendé comme une métaphore
décrivant des éléments de nature différente mais qui ont tous en commun la
possibilité d'être manipulables par un appareil informatique. Cette classification ne
peut pas être considérée définitive puisque ce domaine est en évolution constante.

Le premier de ces trois axes de la sémiotique computationnelle considère l'ordinateur

comme une machine sémiotique, c'est-à-dire une machine qui manipule des signes.
Dans cet axe, on considère la semiosis comme un « fait computable ».
 15

La deuxième approche considère l'ordinateur comme un artefact. Un artefact

est un objet construit par l'homme et qui lui sert pour exécuter des tâches. Ce
concept (artefact) prend une grande importance en sémiotique pour la
définition du concept de culture. Pour Rastier, par exemple, les artefacts
constituent la composante principale du niveau sémiotique de la culture, et ils
regroupent les objets culturels :

Les artefacts comprennent les objets culturels et les déchets : les premiers
appellent l'interprétation qui fait de leur production une production de sens; les
seconds restent dans !'insignifiance. Les objets culturels [soit « tout résultat
d'une objectivation, qui peut à ce titre participer d'une pratique sociale·: ainsi,
par exemple, d'une partition musicale. »] se divisent à leur tour en trois
catégories : les outils et, plus complexes, les instruments (en comprenant par
l_à aussi les instruments de communication comme les médias) ; les signes
(linguistiques ou non : mots, symboles, chiffres, etc.) ; enfin les œuvres, qui
sont issues d'une élaboration de signes, au moyen des outils. Entre les signes et
les œuvres, on relève une différence de complexité : c'est l'action combinée des
outils et des signes qui permet de produire les œuvres. [ ... ] Elles sont
l'aboutissement du mouvement propre de l'action humaine qui les produit, en
créant les formations médiatrices entre le monde proximal et le monde distal :
les arts, les religions et les sciences. (Rastier, 2010, p. 17-19)

Enfin, les artefacts regroupent plusieurs catégories d'objets culturels. Dans ce

contexte, l'ordinateur peut être étudié comme un instrument (sous-catégorie des
objets culturels), c'est-à-dire un objet construit par l'homme et qui interagit avec lui
dans différentes situations.

Le troisième axe présente l'ordinateur comme un outil pour l'analyse sémiotique. Cet
axe diffère du premier, même si à pre_mière vue il pourrait en constituer une sous-
catégorie. En effet, le troisième axe étudie des phénomènes différents et qui ne sont
pas liés à l'-ordinateur et à son utilisation, comme par exemple pourrait l'être un
travail sur l'utilisation du téléphone cellulaire dans la vie de l'être humain. Au
contraire, dans le troisième axe, l'ordinateur est seulement un outil au service de la
 16

sémiotique pour l'analyse de phénomènes sémiotiques. Ainsi, la principale différence

réside dans le fait que l'objectif n'est pas la simulation de phénomène sémiotique par
l'ordinateur ou l'analyse des aspects computables de la sémiotique, ~ais plutôt
l'analyse de produits sémiotiques par le biais de l'ordinateur. Il est toutefois évident
que la réflexion théorique du premier axe nourrit les applications pratiques du
troisième.

1.1.1 L'ordinateur comme« machine sémiotique» et semiosis computable

Le premier champ de recherche est axé sur l'étude de modèles computationnels

simulant des dynamiques sémiotiques, ce qui, métaphoriquement, peut être appelé
l'étude de l'ordinateur comme machine sémiotique. Plusieurs travaux ont été
effectués dans ce domaine et ont décrit plus ou moins explicitement le lien entre la
sémiotique et l'intelligence artificielle. Une des questions fondamentales posées dans
ce contexte est la manière de « modéliser » les processus de construction du sens dans
des systèmes artificiels (Gudwin et Gomide, 1997). Répondre à cette question devient
de plus en plus important si on considère les avancements dans le domaine de
l'intelligence artificielle et l'émergence de travaux sur la reproduction de systèmes de
sens dans un contexte artificiel. Certaines recherches ont abordé, par exemple, l'étude
de l'évolution du langage par le biais d'une simulation artificielle (Cangelosi et Parisi,
2002). L'objectif est de simuler le processus d'évolution de la faculté du langage de
la préhistoire à l'homo sapiens. Beaucoup d'autres études de ce genre ont été
réalisées, contribuant ainsi à l'avancement des sciences cognitives (Loula et al.,
2007). L'effervescence de cet axe d'études a mené à la naissance de nouvelles
disciplines, comme la linguistique computationnelle, dont la mission est basée sur la
simulation artificielle de processus linguistiques et sur le développement d'outils pour
la détection automatique des structures syntactiques ou d'outils pour la
désambiguïsation sémantique automatique. Dans ce contexte, le choix du modèle
sémiotique utilisé influence grandement la simulation elle-même (Queiroz et Merrell,
 17

2008) et détermine le succès ou l'échec de certains outils. Dans les années 1960 par
exemple, le modèle de Chomsky a permis le développement de plusieurs méthodes
· qui constituent aujourd'hui des pierres angulaires de la linguistique coinputationnelle.

La sémiotique joue un rôle très important dans ce genre de recherches et plusieurs

modèles sémiotiques ont été proposés pour la simulation des systèmes et des
processus du sens. Dans Queiroz et Merrell (2008) par exemple, la sémiotique de
Peirce est étudiée comme cadre conceptuel à partir duquel il est possible de
comprendre la semiosis et de construire un modèle formel pour sa simulation par
l'ordinateur. La semiosis est entendue comme un processus qui s'auto-organise
comme le font les organismes biologiques. Cette considération a mené à envisager
l'utilisation de mécanismes mathématiques dits automates cellulaires à des fins de
formalisation de certains processus sémiotiques (Etxeberria et Ibâfiez, 1999).

En raison de la nature de la problématique, c'est-à-dire la simulation de processus

cognitifs dans un contexte artificiel, les approches qui se développent dans ce cadre
ne sont pas exemptes de critiques qui tendent à souligner les limites intrinsèques des
machines face à la complexité des facultés cognitives :

If minds were machines, then it would be very plausible to suppose that the
computational model of the mind-according to which software is to hardware
as minds are to brains--could be sustained and simulations of actions would
have no special problems to overcome (Fetzer, 2011, p. 45)

La complexité d'un tel processus de simulation est due selon certains au cadre non-
déterministe des processus cognitifs et des facteurs émotionnels jouant un rôle
important dans la vie cognitive de l'être humain. Ces éléments constituent des
problèmes majeurs pour les modèles artificiels (Fetzer, 2011) qui ne peuvent qu'être
construits dans un cadre déterministe.
 18

Le débat sur la nature sémiotique des ordinateurs et leur capacité à simuler des
processus cognitifs demeure ouvert et plusieurs pistes de recherche sont prometteuses
(Rapaport, 2012). Par exemple, l'utilisation des travaux de Peirce pour la
compréhension des ordinateurs comme machines sémiotiques est très répandue
(Ketner, 1988), probablement en raison de la relative facilité avec laquelle on peut
considérer sa théorie du point de vue mathématique (Nadin, 1977).

Cette typologie de travaux a aussi ouvert les portes à une sémiotique

computationnelle différente, dont les études portent plutôt sur l'importance de la
computation en sémiotique. Ceci constitue un axe de recherche opposé à celui des
études précédentes qui portent plutôt sur l'importance de la sémiotique pour la
computation. Les travaux de Zipf, par exemple, pourraient appartenir à la sémiotique
computationnelle. Ils ont mené à la définition de la loi de Zipf (1949) qui est un
modèle mathématique décrivant un phénomène lexical. Cette recherche, bien qu'elle
parait atypique, illustre le type de travail qu'il est possible de considérer dans un
contexte de sémiotique computationnelle.

Toutefois, les études en sémiotique qui ont porté sur le lien entre les dynamiques
sémiotiques et la computation demeurent limitées (Meunier, 2018). Les travaux qui
ont le plus contribué à l'approfondissement de ces réflexions sont ceux qui mettent en
relation les caractéristiques formelles des modèles sémiotiques avec les
caractéristiquesformelles des modèles computationnels (Meunier, 1989, 2014, 2017a,
2017b, 2019b, 2019a). Dans ces travaux, le point de départ est une considération sur
la nature des théories scientifiques et sur les modèles qui les constituent. Ces modèles
sont de différents types et permettent d'aborder un phénomène sous divers angles et
perspectives. Par exemple, un phénomène quelconque, tel que le jeu d'échec, peut
être représenté par un modèle symbolique où il est décrit comme une bataille
médiévale, par un modèle formel où toutes les règles du jeu sont expliquées, par un
 19

modèle formel mathématique ou par un modèle informatique (Meunier, 2018, p. 81 ).

La sémiotique computationnelle devra alors identifier la portion de théorie sémiotique
qui peut être formalisée. Il est aussi possible d'analyser les potentialités
computationnelles de modèles sémiotiques formalisés: En d'autres termes, la
sémiotique computationnelle doit répondre à la question« existe-t-il des phénomènes
sémiotiques qui peuvent être modélisés formellement et qui sont aussi
computables? »

1.1.2 L'ordinateur comme artefact

Le deuxième domaine de recherche est très varié et comporte différents programmes

de recherche. Leur dénominateur commun est constitué par la vision de l'ordinateur
comme un artefact, c'est-à-dire un objet façonné par l'homme et qui est fonctionnel
dans la plupart des cas. Un artefact peut être étudié sous différents angles mais il
demeure un objet culturel construit par et pour l'homme, qui interagit avec lui dans
différentes situations possédant chacune ses propres caractéristiques sémiotiques.
Dans ce cadre, la sémiotique est souvent utilisée pour ses avantages en termes de
design et de conception des systèmes informatiques et pour améliorer l'interaction
entre l'homme et l'ordinateur.

En simplifiant, on peut subdiviser cet axe de la sémiotique computationnelle en trois

sous-groupes, soit les études sur l'interaction homme-machine (IHM), les études sur
les systèmes d'information comme systèmes sémiotiques et les études sémiotiques de
la programmation et de ses langages. Dans le premier sous-groupe, la sémiotique
offre un cadre théorique à partir duquel le design et les fonctions des logiciels, des
interfaces et de tout autre type de modèle d'interaction entre l'homme et la machine
sont étudiés. Les travaux réalisés en ingénierie sémiotique (De Souza, 2005)
constituent une référence importante, où les modèles sémiotiques sont au service du
design informatique et de l'organisation fonctionnelle des interfaces d'interaction
 20

homme-machine. Les réflexions théoriques dans ce contexte ont été menées sur la
base du modèle de la communication de Jakobson qui permet l'analyse des
interactions homme-machine sous l'angle des actes communicatifs.

Le deuxième sous-groupe est ancré dans la sémiotique organisationnelle qui a été

inaugurée dans les années 1970 (Stamper, 1973) et qui est surtout enracinée dans la
théorie des signes de Morris. Celui-ci les distinguait au niveau de leurs relations
syntaxiques, sémantiques et pragmatiques. Ces études sont définies ainsi:

l'étude de l'organisation en utilisant les concepts et les méthodes de la

sémiotique [ ... ] [car] chaque comportement organisé est effectué au moyen de la
communication et l'interprétation de signes entre humains, individuellement ou
en grm~pe. (Liu K., 2000, p. 19) [Notre traduction]

Les champs d'application sont très variés: le marketing, la gestion des ressources
humaines, le droit des affaires, l'éthique des affaires, l'étude de l'évolution historique
des organes gouvernementaux, religieux, politiques, juridiques, sociaux, et médicaux
et enfin, les affaires publiques et privées. Toutefois, une grande partie de ces travaux
est surtout liée aux systèmes d'information et concerne donc l'informatique. Le cadre
théorique développé dans ce contexte est appelé semiotic ladder (Stamper, 1973) et il
est formé de six niveaux d'analyse, soit les niveaux physique, empirique, syntaxique,
sémantique, pragmatique et social.

Le troisième sous-groupe est strictement lié à l'étude sémiotique des langages de

programmation, un projet qui remonte aux années 1960 (Zemanek, 1966) et qui met
en valeur un aspect fondamental du design des ordinateurs, c'est-à-dire le système de
codes et de signes qui organisent leur comportement. Dans ces travaux, les structures
conceptuelles de la programmation sont perçues comme systèmes sémiotiques à
l'intérieur desquels l'humain organise des codes et des signes pour communiquer de
manière non ambiguë avec un système physique afin qu'il exécute des opérations
 21

logiques et computables. La programmation est un système de contrôle des appareils

physiques. Les théories qui ont été utilisées dans ce contexte sont surtout celles de
Peirce (Gazoni, 2018) où le fonctionnement de l'ordinateur est associé aux
phénomènes de secondéité (en anglais, secondness) puisque les opérations qu'un
ordinateur exécute ne peuvent qu'être définies en amont à travers un système non
ambigu de codes et signes. L'intérêt pour ce gell!e de recherches est revenu à la
surface avec des études plus larges (Tanaka-Ishii, 2010), où, en suivant les deux
grands courants de la sémiotique, le peircien et le saussurien, une catégorisation des
modèles, des types et des systèmes de signes des langages de programmation a été
proposée.

1.1.3 L'ordinateur comme outil au service de l'analyse sémiotique

Le dernier axe de recherche de la sémiotique computationnelle nous concerne de plus

près. Dans cet axe, l'ordinateur est un outil au service des analyses sémiotiques. Le
mot «ordinateur» n'est alors qu'une métaphore pour indiquer plusieurs éléments de
nature mathématique, statistique, formelle, computationnelle et informatique. Pour le
dire autrement, les travaux de cet axe continuent à étudier des phénomènes
sémiotiques et ses produits, mais par le biais de méthodes hybrides d'analyse
sémiotique, qui se servent de l'assistance informatique. Cet axe diffère donc des deux
autres, car l'objet de recherche n'est pas la détermination de modèles
computationnels pour la simulation. sémiotique, ni les aspects computables de la
signification et ni l'ordinateur comme artefact. L'objectif est de répondre à des
questions traditionnelles en sémiotique, comme l'analyse d'un corpus de textes et de
le faire avec une assistance informatique. Cependant, le développement ou
l'adaptation de méthodes computationnelles à l'analyse sémiotique ne peut
qu'alimenter la réflexion théorique sur la nature computationnelle de la signification.
En ce sens, cet axe et le premier sont étroitement liés et interdépendants. La recherche
 22

future en sémiotique computationnelle devra clarifier le plus possible la nature de

cette relation.

La manipulation des produits sémiotiques par des moyens computationnels fait déjà
partie des projets de recherche les plus importants de l'intelligence artificielle et ce,
depuis la naissance de cette discipline. En particulier, le texte constitue le matériel sur
lequel les méthodes qui manipulent ces produits sémiotiques est né et s'est développé.
Ainsi, il existe plusieurs travaux qui appartiennent au champ de recherche de
l'analyse de texte assistée par ordinateur et dont nous parlerons au prochain
paragraphe (cfr [Link]). Ces travaux tirent profit d'un certain nombre de disciplines
de l'intelligence artificielle: sémantique vectorielle et/ou sémantique distributionnelle
(Benzécri, 1966a; Fabre et Lenci, 2015; Lebart et Salem, 1994b; Sahlgren, 2006;
Salton et al., 1975), apprentissage automatique (Aggarwal, 2018; Bishop, 2006;
Hastie et al., 2013; James et al., 2013), recherche d'information (Baeza-Yates et
Ribeiro-Neto, 2011; Kraft et Colvin, 2017; Le Priol et al., 2009; Manning et al., 2009;
Salton, 1988; Salton et McGill, 1983; Van Rijsbergen, 2004; Zhai, 2009), traitement
automatique des langues (Bouillon et Vandooren, 1998; Jacquemin, 2001; Manning
et Schütze, 1999), fouille de texte (Aggarwal et Zhai, 2012) et exploration de données
(Aggarwal, 2015; Attewell et Monaghan, 2015; Bouroche et Saporta, 1992; Bramer,
2007; Han et al., 2011; Kantardzic, 2011; Larose, 2006; Linoff et Berry, 2011;
Saporta, 2006; Tufféry, 2017). L'ensemble de ces disciplines est pertinent pour le
traitement et l'analyse du langage naturel et, plus particulièrement, pour l'analyse de
texte. En analyse du contenu par exemple, plusieurs recherches sont conduites à l'aide
de l'ordinateur pour l'analyse de plusieurs typologies de textes, qu'ils soient
journalistiques ou publicitaires (Anderson et al., 2006; Bell et Milic, 2002; Glasgow
University Media Group, 1980; Kordjazi, 2012; Leiss et al., 1990; McQuarrie et
Mick, 1992). Parfois, la sémiotique est amenée à jouer un rôle d'assistance dans
l'interprétation des données ou sert de cadre théorique pour l'annotation.
 23

Malgré le grand développement technologique et l'application toujours plus répandue

de ces méthodes aux recherches en sciences humaines et sociales, l'intérêt pour
l'analyse sémiotique par ces moyens ne s'est pas diffusé au sein de la communauté de
sémioticiens (Meunier, 2018; Tanaka-Ishii, 2015). Mais les nouvelles technologies de
traitement du texte obligent les chercheurs en sémiotique à s'interroger sur
l'utilisation des modèles computationnels dans leur recherche. La compréhension
sémiotique de ces modèles et leur exploitatiqn dans un contexte d'analyse des
produits sémiotiques constitue la perspective adoptée par cette thèse pour se pencher
sur la sémiotique computationnelle.

[Link] L'analyse du texte assistée par ordinateur

Le troisième axe de recherche de la sémiotique computationnelle regroupe

certainement les travaux déjà accomplis en analyse de texte assistée par ordinateur,
dont l'objet de recherche est à la fois le développement de méthodes d'analyse de
texte à l'aide d'outils statistiques, mathématiques et informatiques, et l'analyse de
corpus textuels. Ce domaine est vaste et regroupe des travaux qui naissent dans
différents contextes, comme l'analyse de contenu (Berelson, 1952; Carley, 1990;
Drisko et Maschi, 2016; Franzosi, 2008, 2011; Krippendorff, 2004; Neuendorf, 2002;
Weber, 1990, 1990), l'analyse du discours (Adam, 2011; Adam et Heidmann, 2005;
Charaudeau et al., 2002; Chartier, 2003; Dobre, 2013; Greimas, 1979; Z. S. Harris et
Dubois-Charlier, 1969; Maingueneau, 1997; Née, 2017; Rizkallah, 2013; Rizkallah et
Della Faille, 2014), la statistique textuelle et la linguistique de corpus (Bilger, 2000;
Bolasco, 2005; Heylen et Bertels, 2016; Lebart et Salem, 1994b; Mayaffre, 2002;
Nazarenko et al., 1997; Poudat et Landragin, 2017; Rastier, 2005a, 2009, 2011;
Valette, 2018), etc. Il n'est donc pas simple de définir ce champ de recherche de
manière univoque et l'expression « analyse de texte assistée par ordinateur» ne fait
pas l'unanimité d'autant plus qu'elle n'est pas la seule utilisée. Il demeure toutefois
 24

possible d'esquisser un cadre général des disciplines qui contribuent aux avancées
dans ce champ de recherche.

Puisque, à notre connaissance, il n'existe aucune tentative de décrire

l'interdisciplinarité de l'analyse de texte assistée par ordinateur, le cadre (figure 1. 1)
ici proposé ne peut qu'être considéré provisoire et non exhaustif. Des disciplines
comme l'analyse de contenu et l'analyse du discours ont utilisé cette méthode dans
plusieurs domaines, comme la sociologie et la communication, ce qui a mené à des
applications variées (Barcus, 1961; Bell et Milic, 2002; Carley, 1993; Drisko et
Maschi, 2016; Fan, 1988). Ces disciplines ont contribué à la diffusion de méthodes
mathématiques, comme l'analyse en composantes principales, pour l'exploration du
contenu d'un corpus (Andsager et Powers, 1999). La statistique textuelle et la
l_inguistique de corpus regroupent un certain nombre de travaux s'inspirant du
statisticien Benzécri (1966b, 1982, 1981) et l'analyse factorielle de correspondances a
été utilisée pour l'analyse de texte (Benzécri et Benzécri, 1980; Cibois, 1933;
Escofier-Cordier, 1969; Lebart et Salem, 1994a; Salem, 1982). Un autre champ de
recherche est celui du traitement automatique du langage naturel (TALN) et de la
linguistique computationnelle (Allen, 1995; Bouillon et Vandooren, 1998; Clark et al.,
2010; Dale et al., 2000; Fuchs et al., 1993; Jacquemin, 2001; Kao et Poteet, 2007).
Dans ce contexte, plusieurs outils de manipulation et de traitement de données
textuelles ont été développés, augmentant considérablement les potentialités de
l'analyse de texte. L'analyse de données regroupe toute une série de méthodes
développées dans plusieurs champs de l'intelligence artificielle, comme
l'apprentissage automatique (Adam, 2016; Amini et Bach, 2015; Cornuéjols et Miclet,
2003; Dreyfus, 2008). Cette dernière, par exemple, fournit des méthodes avancées
pour l'analyse de données. Plusieurs autres disciplines des sciences humaines comme
la linguistique, la sémiotique et la philosophie, contribuent également au
développement de l'analyse de texte assistée par ordinateur. Le plus souvent ces
 25

disciplines fournissent un cadre théorique pour l' analyse du texte mais elles peuvent
aussi constituer des applications originales de ces méthodes, comme l'analyse
conceptuelle en philosophie, ce qui enrichit la réflexion méthodologique et théorique.

Statistique
TALN /
textuelle /
Linguistique
Linguistique de
computationelle
corpus

r ' Analyse de
Analyse du
données /
contenu / Analyse
Apprentissage
du cliscoui·s
statistique

Discipline
Linguistique / d'appartenance de
Sémiotique l'application

Figure 1.1 Hexagone définissant l'interdisciplinarité de l'analyse de texte assistée par

ordinateur.

1.1.4 La vocation empirique de la sémiotique

Le premier à avoir esquissé un parcours scientifique du projet sémiotique a été A. J.

Greimas, dans son œuvre Sémantique structurale (Greimas, 1966). Pour cet auteur, la
sémantique doit agir en « vue de la scientificité » et construire un métalangage
scientifique pour la description sémantique (Greimas, 1966, p. 13-20). Or, la notion
de« scientificité » doit être appréhendée à l'aide de celle d' « empirie »:

Si la sémiotique a [... ] une vocation scientifique, elle a avant tout une

« vocation empirique». [ ... ]Elle a cependant également le devoir d'entrer en
contact avec [ ... ] [les] pratiques de signification complexes dont on peut
expliciter des fonctionnements du sens. [ ... ] La vocation empirique de la
sémiotique nous porte également et surtout à nous poser la question de savoir si,
éventuellement, dans la pratique, par exemple dans la peinture de l'époque de
 26

Spinoza, par hasard il y eut une quelconque idée du signe implicite, qu'avec les
instruments à notre disposition nous pouvons expliciter des tableaux que cette
peinture a produits. (Fabbri, 2008, p. 74)

Pour Fabbri, la scientificité de la sémiotique dépend de la valeur qu'elle donne à

l'empirie et aux analyses empiriques des phénomènes sémiotiques, mettant ainsi en
lumière le rôle plus important de la sémiotique, c'est-à-dire l'analyse des produits
sémiotiques.

La « vocation empirique » de la sémiotique est certainement mise en valeur par le

troisième axe de la sémiotique computationnelle, qui découvre des nouvelles
méthodes pour l'explicitation des fonctionnements du sens.

1.2 Médias, texte et sémiotique

Les médias et les produits sémiotiques qu'ils construisent, comme le texte

journalistique, sont un des objets d'étude typiques de la sémiotique. L'étude du texte
journalistique par assistance informatique s'insère dans le troisième axe de la
sémiotique computationnelle. Le terme média désigne tout moyen de diffusion d'un
message, mais il est le plus souvent entendu comme l'ensemble des sources
d'information de masse, comme la radio, la télévision, le cinéma, etc. L'impo~ance
que les organes d'information ont sur la vie quotidienne est considérable.

Village global, économie de l'information, société de communication,

médiacratie, culture postmoderne : [... ] tous [ces clichés] évoquent d'une
manière ou d'une autre la place prépondérante de la communication dans la vie
quotidienne des individus et le fonctionnement de la société. Les médias nous
parviennent « en continu », sur « larges bandes », et notre expérience du monde
se réduit souvent aux messages dont ils nous inondent (Bonville, 2006, p. 5)

Les médias jouent en effet un rôle très important dans la société, soit celui d'informer
le citoyen. La transmission d'informations pertinentes pour la vie sociale et politique
 27

des citoyens constitue le rôle principal des média et cela inclut également les
motivations du contrat de lecture avec son public. Les attentes du lecteur envers une
source information peuvent varier, mais elles dépendent de la véridicité de
l'information. Lorsque cette confiance envers la validité de l'information diminue, le
pacte entre le lecteur et une source d'information est brisé et le journal perd
inévitablement son public. En raison de l'importance de leur rôle, les médias sont
souvent au centre des pressions du monde politique qui, connaissant son pouvoir,
essaie de les manipuler. Toutefois, ce jeu de manipulation n'est pas à sens unique.
Les médias « manipulent autant qu'ils sont manipulés» (Charaudeau, 2013, p. 11),
car d'un côté ils sont conscients de leur force manipulatrice sur leur public et ils
l'utilisent, et de l'autre, ils sont utilisés par les politiciens pour communiquer des
idées et faire passer des messages particuliers à la population ou, le plus souvent, à
d'autres acteurs politiques. C'est pour ces raisons que les médias reçoivent une
grande attention de la part des citoyens et des agences de contrôle non
gouvernementales, comme« Reporters Sans Frontières» et autres. L'importance d'un
tel contrôle est attestée par le fait que la liberté de presse d'un pays représente un des
éléments les plus importants de la santé des systèmes démocratiques. L'information
et les médias sont au cœur de la démocratie parce qu'ils tendent à assumer « une
logique symbolique qui fait que tout organe d'information se donne pour vocation de
participer à la construction de l'opinion publique ». (Charaudeau, 2013, p. 13). Dans
ce contexte, le monde académique joue aussi un rôle important à travers ses analyses,
le développement de méthodes d'analyse et la surveillance constante du système
politique et financier des médias.

Les sciences humaines et sociales se sont penchées sur l'analyse de médias depuis
leur naissance et ceci, pour toutes sortes d'objectifs de recherche. Depuis le début du
xx_e siècle, l'analyse du texte journalistique est une pratique très répandue qui est le
plus souvent utilisée pour étudier différents types de phénomènes culturels et sociaux
 28

(Ringoot, 2014, p. 3). Il existe de nombreuses méthodes pour l'étude des médias
d'information et elles varient selon le type de média, l'objet de l'analyse, les objectifs
de la recherche, etc. Parmi elles, l'étude du texte journalistique dans sa forme écrite
est sans doute la pratique la plus répandue. Par exemple, en sémiotique et en
sociologie, il est très fréquent d'adopter une posture empirico-déductive (ou, plus
rarement, empirico-inductive) à travers laquelle,« partant d'une théorie du découpage
de l'objet empirique» (corpus), on se dote « d'instruments d'analyse permettant de
rendre compte des effets de signifiance que cet objet produit en situation d'échange
social» (Charaudeau, 2013,_p. 14).

Le texte est un produit sémiotique contenant des informations, c'est-à-dire un

message ·construit par un destinateur ou un émetteur et pour un destinataire ou
récepteur, rar exemple les lecteurs du journal La Presse. Il est ainsi transmis par un
canal de communication, par exemple l'article de journal ou l'article destiné à la
version numérique du journal. Le texte est la manifestation empirique d'un acte
d'énonciation complexe. Fontanille le définit ainsi:

un « texte-énoncé » est un ensemble de figures sémiotiques organisées en un

ensemble homogène grâce à leur disposition sur un même support ou véhicule
(uni-, bi-, ou tridimensionnel) : le discours oral est unidimensionnel, les textes
écrits et les images, bidimensionnels, et la langue des signes, tridimensionnelle
(Fontanille, 2008, p. 6)

Le texte est défini comme un ensemble homogène d'éléments et sa caractéristique

principale est la cohérence. Les éléments mis ensemble dans le tissu du texte sont liés
par une « force invisible » qui les rendent cohérents entre eux. Ces réflexions ont
guidé la construction des méthodes et théories du texte menant à ce qu'on peut
appeler la« grammaire textuelle_»:
Le discours était considéré ou bien comme une longue phrase dérivable par des
enchâssements et des concaténations répétés [... ] et non pas comme unité
maximale formelle d'une - grammaire. Il est apparu cependant que ces
 29

conclusions sont erronées. D'abord, les relations ont un caractère purement

formel et grammatical et ne dépendent pas seulement de facteurs contextuels.
[... ]. Une description adéquate de ces phénomènes linguistiques [... ] ne peut
être donnée que dans une· grammaire spécifiant explicitement des séquences de
phrases. Tout porte à croire que le sujet parlant connaît les règles qui sous-
tendent ces relations. Sans cela il lui serait impossible de produire des énoncés
cohérents.[ ... ] [S]a compétence est nécessairement une compétence textuelle.
(Chabrol, 1973, p. 184)

Dans ce long extrait, on souligne que les individus se servent de la compétence

textuelle pour produire des énoncés cohérents. Toutefois, le texte et sa cohérence ne
sont pas acquis à l'avance, mais plutôt construits. Ainsi, le texte journalistique est le
produit final d'un mécanisme de construction du sens qui suit un double processus de
sérniotisation (Charaudeau, 2013, p. 30), soit celui de transformation et celui de
transaction. Le processus de transformation consiste à donner une forme à la
substance de l'information. Il rassemble les éléments qui se réfèrent à la réalité que le
journaliste veut raconter. C'est un processus d'identification des éléments qui seront
inclus dans le texte et qui en formeront un ensemble cohérent. En d'autres termes, il
s'agit de nommer les éléments qui transforment l'information brute en information
formée, comme les acteurs de l'action, leurs caractéristiques, leurs désirs et intentions,
leurs actions, le temps de l'exécution, etc. De temps en temps, l'information formée
et racontée nécessite une étape de sanction, c'est-à-dire d'évaluation, ce qui mène
généralement à exprimer des opinions sur les évènements racontés. L'acte d'informer
s'inscrit donc dans un processus complexe où l'émetteur raconte, explique, évalue,
etc. Le processus de transaction, de son côté, regroupe les stratégies de « mise
en scène de l'information», qui sont déterminées par la nature du récepteur ou
destinataire du message. Les informations que le journaliste veut communiquer
doivent respecter les attentes du destinataire et le contrat de lecteur que le journal a
«signé» avec son public. Ainsi, tout discours journalistique témoigne d'une relation
intime entre auteur du message et récepteur, ce qui modifie la relation entre
information et réalité. L'information n'est jamais fournie telle quelle, elle est
 30

construite de telle manière qu'elle répond aux intérêts, opinions et attentes de ses
lecteurs.

Le processus de transaction conduit à réfléchir sur la relation entre information,

réalité et processus d'écriture. L'information « n'est pas une marque impersonnelle
des événements; elle est sélection, organisation, interprétation opérée sur les données
de départ » (Volli, 2008, p. 231) [Notre traduction]. En ce sens, l'objectivité est un
indicateur de la nature de cette relation. Plus un texte est objectif, plus la nature de
cette relation est caractérisée par la véridicité. Un texte objectif est généralement un
texte qui raconte les évènements de manière fidèle. Toutefois, en raison de stratégies
de « mise en scène de l'information», l'objectivité est construite à travers une
stratégie d'énonciation et elle ne peut être atteinte que partiellement. Paradoxalement,
l'objectivité joue un rôle important dans la solidité du contrat de lecture entre le
journaliste et ses lecteurs, mais elle n'est qu'une« utopie irréalisable». Le pacte entre
les citoyens et les organes d'information est basé sur cette relation entre information,
réalité et processus d'écriture. En effet, on lit un journal si on peut croire avec
confiance que les informations qu'on en tire sont véridiques et fidèles à la réalité.
Toutefois, raconter des évènements implique toujours une « sélection, organisation
[et] interprétation» de la réalité, ce qui met en danger constamment la solidité du
contrat de lecture.

La prise de conscience de la difficulté de produire une vision objective de la réalité a

souvent concentré l'attention des sémioticiens sur la « mise en scène de
l'information» (Delforce, 1985; Jamet et Jannet, 1999) et sur les stratégies de
présentation des nouvelles (Marrone, 2001), c'est-à-dire sur les processus de
transaction. Toutefois, les études sur le texte journalistique en sémiotique sont très
variées, passant de l'analyse du moyen de communication comme tel, par exemple, la
presse écrite (Eco, 1997), à des études plus spécifiques, comme l'analyse du rapport
 31

texte-image (Lambert, 1986) ou l'analyse du processus d'informatisation des

quotidiens (Cotte, 2001). Une des approches les plus utilisées pour l'étude du texte
journalistique est celle de la sémiotique -textuelle. Cette approche sémiotique se
distingue des autres par sa conception du texte qui est perçu comme matériel
empirique privilégié pour l'enquête sémiotique (Volli, 2014). Le texte est alors« ce
qui se donne à appréhender, l'ensemble des faits et des phénomènes que [le
sémioticien] s'apprête à analyser» (Fontanille, 1998, p. 79). Cette approche a
influencé l'étude sémiotique du texte journalistique, pour laquelle cinq niveaux
d'analyse ont été identifiés, soit le plan de l'expression, la dimension énonciative, la
dimension narrative, la dimension cognitive et la dimension passionnelle (Lorusso et
Violi, 2004, p. 5; Pozzato, 2005). En général, l'analyse du plan de l'expression tient
compte entre autres de la structure du journal, des formats possibles, de la mise en
page, des titres, de la construction de la première page, etc. La dimension énonciative
met de l'avant l'étude de l'acte énonciatif et donc le rôle joué par les marques de
l'énonciation, comme celles du journaliste ou du journal. L'analyse de la dimension
narrative se penche sur l'extraction des structures narratives des textes, en portant
attention aux temps, aux lieux, aux actants, aux acteurs, aux thématiques, aux valeurs,
aux figures, etc. La dimension cognitive souligne le rôle informatif du journal et,
enfin, le niveau pathémique identifie les euphories et les dysphories, la tension et le
rythme, etc. Chacun de ces niveaux pe_ut être analysé séparément. Toutefois, les
niveaux se chevauchent dans le texte et forment un réseau de dépendance. Par
exemple, il n'est pas possible de faire l'analyse du niveau pathémique sans avoir un
aperçu des dynamiques de l'énonciation; de même, le plan de l'expression est
indispensable pour obtenir des informations pertinentes au niveau du contenu.

La dimension narrative du texte journalistique joue un rôle de connexion entre le plan

de l'expression, les dynamiques de surface et les structures profondes de mise en
place de la signification. Cette dimension n'est pas exclusivement identifiable dans
 32

certains types d'articles de journaux, par exemple les nouvelles. L'organisation

narrative du texte émerge aussi dans les éditoriaux ou les articles d'opinion, où « la
fonction argumentative semble donc être la condition même de la production
narrative » (Revaz, 1997, p. 27). Cette position sur le rôle de la narrativité dans la
production textuelle est partagée par plusieurs auteurs. Pour Rastier par exemple, la
dimension narrative demeure un élément pertinent à l'intérieur de l'analyse et ce
particulièrement pour le plan dialectique (Rastier, 2011, p. 181).

Ces catégories sont certainement discutables et d'autres auteurs ont énuméré d'autres
composantes pour le plan de l'expression et du contenu : la thématique, la dialectique,
la dialogique et la tactique (Hébert, 2016, p. 44). Cependant, certaines d'entre elles,
comme celle dialectique et thématique, s'agencent avec le plan de l'expression et les
dimensions (narrative, cognitive, etc.) qui composent le plan du contenu.

1.2.1 Les « macrostructures » de la production textuelle

Lorsque l'analyse du texte journalistique se concentre sur les processus de

transformation, c'est-à-dire sur les procédés de mise en forme des éléments qui
composent l'ensemble cohérent du texte, les macrostructures qui soutiennent les
textes et leur cohérence surgissent. Un texte est cohérent lorsque les parties qui le
composent comportent une liaison logique entre elles. Dans le cas des articles de
presse, un texte n'est pas cohérent s'il traite de deux événements très différents entre
eux sans aucune motivation logique. Si dans un texte on lit les phrases « Mary est
sortie dans la rue. Elle possède un chat. », alors le lecteur cherchera dans le texte la
structure logique qui motive l'apparition de ces deux phrases. Par exemple, il est
possible que le journaliste raconte l'histoire d'une femme qui est sortie dans la rue
pour chercher son chat. Ceci implique l'existence d'une sorte de structure sémantique
qui fait le lien entre les différents éléments qui composent l'article. Ces structures,
 33

dites macrostructures, émergent parallèlement à la naissance de la « grammaire du

texte »:

On a réfléchi rarement jusqu'ici sur les structures plus globales de textes

entiers : les macro-structures. C'est qu'il n'est pas du tout sûr, et même
improbable, qu'un texte soit simplement une séquence de phrases (ou de
couples, triples ... n-tuple de phrases), pas plus qu'une phrase elle-même n'est
pas une suite simplement linéaire de mots. [ ... ] [L]a notion fondamentale de
« cohérence » ne peut pas être définie seulement à ce niveau superficiel de
concaténations phrastiques. (Chabrol, 1973, p. 184-185)

La cohérence est une propriété du texte, alors que la macrostructure est l'apparat
logique, conceptuel et sémantique qui permet d'organiser les éléments d'un texte de
manière cohérente. Cette structure sous-jacente aux textes a été étudiée avec
différents approches. L'une des plus répandues en sémiotique est certainement
l'analyse des isotopies du texte. L'isotopie est la récurrence des unités linguistique
d'un texte (Rastier, 1972) ou, plus précisément, l'isotopie sémantique est l' « effet de
la récurrence d'un même sème, [ce qui implique que] [l]es relations d'identité entre les
occurrences du sème isotopant induisent des relations d'équivalence entre les
sémèmes qui l'incluent. » (Rastier, 2001a, p. 299) Enfin, une isotopie est déterminée
par la redondance sémique, c'est-à-dire d'un sème qui est l'unité minimale de la
sémantique. En d'autres termes, l'isotopie se constitue sur le plan du contenu, elle
génère ses manifestations du plan de l'expression et, ainsi, elle régit la cohérence
textuelle (Pessoa de Barros, 1983).

Ainsi, le niveau macrostructurel spécifie le contenu « global » du texte en utilisant les

unités qui le composent. Sans une telle macrostructure et les règles qui la sous-
tendent, « la cohérence du texte serait seulement superficielle » (Chabrol, 1973, p.
189). Il s'agit du même principe énoncé par Rastier du global qui détermine le local
(Rastier, 1997; Rastier, 2011, p. 29-30) Les unités linguistiques du texte et les
structures sémantiques qu'elles représentent sont « interprétées dans des relations
 34

plus globales caractérisant le texte entier » (ibid.). Par exemple, les différentes
caractéristiques d'un personnage sont distribuées à travers le texte en entier, mais
« intuitivement ils constituent une seule macro-catégorie, dénotant par exemple le
«caractère» de ce personnage» (ibid.). Du point de vue cognitif; l'émetteur du texte
ainsi que le récepteur sont« obligé[s] d'organiser son texte [ ... ] sur la base de telles
macro-structures » (ibid.). Ces structures abstraites garantissent la cohérence textuelle,
qui est une des plus importantes caractéristiques du texte.

L'hypothèse de la macrostructure peut être étudiée selon diverses perspectives, mais

elle demeure surtout un phénomène sémantique :

Une série d'arguments décisifs, linguistiques et psychologiques, peuvent être

apportés pour soutenir l'hypothèse selon laquelle la cohérence textuelle est
définie aussi à un niveau macro-structurel. Ce niveau, qu'on peut aussi
identifier avec la structure profonde d'un texte, spécifie un contenu « global »
du texte déterminant la formation globale des représentations sémantiques des
phrases successives. Sans une telle macro-structure et les règles qui la sous-
tendent, la cohérence du texte serait seulement superficielle et linéaire. (Chabrol,
1973, p. 189)

Cette dimension sémantique se situe à un niveau profond du texte. En sémiotique

textuelle, l'analyse de la dimension narrative a souvent été utilisée pour
l'identification de structures subjacentes au texte. Comme l'analyse isotopique,
l'analyse narrative permet de dégager une structure sur laquelle la cohérence textuelle
s'appuie. Les composantes narratives d'un texte sont identifiées par un modèle
narratif, celui-ci étant une hypothèse sur la forme de la structure qui régit la
cohérence textuelle. Les théories et les méthodes sont multiples, mais l'approche est
généralement similaire. L'idée de base est d'identifier la structure logico-sémantique
qui est sous-jacente au texte et d'en dégager les composantes narratives. Par exemple,
il est possible d'identifier les actions, les personnages, les temps des actions etc. Les
travaux qui ont utilisé ce genre d'approche pour l'étude de la presse écrite sont
 35

nombreux et très variés. Par exemple, elle a été utilisée dans des travaux socio-
sémiotiques (Imbert, 1988) ou pour l'analyse des structures des mythes et des
stéréotypes au sujet de l'URSS dans la presse française dans les années 1980 (Sueur,
1994). D'autres travaux ont dégagé ces structures à partir d'une étude sur les
processus d'intitulation de la presse (Tahar, 2006). Certains auteurs ont étudié le
phénomène de vedettisation, c'est-à-dire la tendance de la presse à accorder une
grande visibilité à la vie privée des célébrités ou des personnages connus, en
soulignant le rôle des structures narratives dans ce processus (Goepfert, 2010a,
2010b).

Un autre groupe d'études s'est penché sur l'examen de la presse avec une approche
issue de l'école de Paris et en utilisant une théorie et une méthode spécifique, soit
celle de Greimas. La variété de ces études est également très riche. Certaines se sont
servies des théories de Greimas pour l'étude .du discours journalistique français
autour du conflit israélo-palestinien et tchétchène (Kervella, 2008), en dégageant plus
spécifiquement les structures actancielles qui décrivent ces conflits. Ces schémas ont
été ensuite associés et comparés à un schéma commun, soit la « guerre contre le
terrorisme». D'autres travaux ont étudié les stratégies déployées par la presse pour
sensibiliser les lecteurs au don d'organes et ceci, dans l'objectif d'en souligner la
logique structurante des ces stratégies. Dans ce cas, un des outils utilisés est le
schéma actantiel (Hammer et Amey, 2009). D'autres travaux ont analysé le traitement
journalistique dans la presse française du phénomène d'antibiorésistance, c'est-à-dire
le développement des bactéries résistantes aux antibiotiques (Arquembourg, 2016).
Certes, la sémiotique a contribué à la définition d'un cadre d'analyse globale pour le
texte journalistique et à la détermination d'approches d'analyse mettant en valeur les
éléments structuraux des textes. Elle s'est largement diffusée dans les autres
disciplines, comme en analyse du discours (Barry, 2002, p. 32), où les théories
 36

sémiotiques de l'école de Paris ont constitué ledites « approche sémiotique »

(Delfosse, 1979).

Cependant, certains auteurs ont fortement critiqué le principe du « tout narratif»,

c'est-à-dire l'idée que tout texte journalistique peut être décrit à travers des structures
narratives, ceci en soulignant les différences structurelles entre genres journalistiques
(Adam, 1997). Ces critiques ont sûrement contribué à illustrer le phénomène des
macrostructures qui soutiennent la cohérence textuelle.

Néanmoins, malgré les critiques se faisant grandissantes depuis les années 1980, le
courant structuraliste a été amplement employé pour l'étude du texte journalistique
(Van Dijk, 1988b, p. 18). Cette approche se base sur l'idée que les structures
profondes du texte organisent l'émergence du « sens » du texte et que leur
identification permet de fixer l'essentiel du contenu du texte. Puisque le texte
journalistique possède ses propres spécificités, l'analyse de ses structures profondes
présente des caractéristiques particulières. Le cadre conceptuel qui illustre le mieux
les spécificités du tex~e journalistique est celui du .framing (Scheufele, 1999), qui
remonte aux concepts développés en intelligence artificielle et en psychologie
cognitive (Minsky, 1988; Schank et Abelson, 1977). La théorie du framing concerne
plusieurs aspects du phénomène des médias, dont certains s'éloignent de l'analyse du
texte journalistique. Toutefois, si on se limite aux procédés de la production textuelle,
le framing peut être appréhendé à travers le concept de frame ou de schéma. Un
schéma est une structure sémantique qui traverse le texte et qui le rend cohérent. Le
schéma est en place à la fois lors de la construction du texte et lors de sa réception.
Plusieurs définitions du frame sont regroupées par Scheufele (Scheufele, 1999) :

[Frame is] a central organizing idea or story line that provides meaning to an
unfolding strip of events.(Gamson, 1989, p. 157)
 37

The news frame organizes everyday reality and the news frame is part and
parcel of everyday reality .[It] is an essential feature of news (Tuchman, 1980, p.
193)

Media frames also serve as working routines for journalists that allow the
journalists to quickly identify and classify information and to package it for
efficient relay to their audiences (Scheufele, 1999, p. 106)

To frame is to select some aspects of a perceived reality and make them more
salient in a communicating text, in such a way as to promote a particular
problem definition, causal interpretation, moral evaluation, and/or treatment
recommendation (Entman, 1993, p. 52).

Ces définitions reprennent l'idée de la compétence textuelle de l'être humain qui,

pour produire des énoncés cohérents, s'appuie sur une structure sémantique qui, dans
le contexte de l'étude des médias, est appelée frame. Ces schémas sont en fonction
lors de la réception du texte journalistique:

[Frames are] mentally stored clusters of ideas that guide individuals' processing
of information (Entman, 1993, p. 53).

[Frames are] as cognitive devices that operate as non-hierarchical categories

that serve as forms of major headings into which any future news content can
be filed (Scheufele, 1999, p. 107)

Le frame devient aussi une entité cognitive qui soutient la compréhension des textes
journalistiques. Qu'il soit explicitement ou implicitement évoqué par les journalistes,
le frame constitue un filtre de lecture. En effet, un frame particulier peut être évoqué à
travers de figures rhétoriques ce qui constitue souvent un procédé sémiotique agissant
pour la construction du sens et l'interprétation textuelle. En général, toute figure
rhétorique peut affecter le contenu sémantique d'un texte et en déterminer la
réception. Par exemple, Lakoff a étudié les relations entre certaines métaphores et les
domaines conceptuels qu'elles évoquent et il en a dégagé la manière à travers laquelle
elles influencent la formation des opinions politiques (Lakoff, 2008).
 38

La théorie duframing est liée à l'hypothèse des macrostructures textuelles'. Puisque

le framing est une théorie de la réception du discours journalistique et de la formation
des opinions, l'identification d'éléments macrostructurels, comme les thématiques
majoritairement abordées, les acteurs impliqués ou les évènements les plus marquants,
contribue à la détection des éléments qui caractérisent la formation de l'opinion
publique (Reese et al., 2001, p. 79). Dans ce contexte, l'analyse de phénomènes
médiatiques se base généralement sur l'étude d'un corpus de textes journalistiques,
lequel est construit pour répondre à une question précise (Rastier, 2011, p. 6). Les
méthodes pour l'étude d'un corpus journalistique sont très nombreuses et il n'est pas
pertinent d'en faire ici une synthèse.

1.3 L'analyse« quantitative» du texte journalistique

L'étude des médias est certainement un des champs d'application le plus important
pour le troisième axe de la sémiotique computationnelle. Le texte journalistique a
souvent constitué un banc d'essais pour des expérimentations méthodologiques. En
effet, l'utilisation d'outils mathématiques et informatiques pour l'analyse textuelle
s'est répandue depuis longtemps dans le domaine de l'étude des médias. Une des
premières expériences est l'application d'outils« quantitatifs» à l'analyse de contenu.
La notion de quantitatif, opposée à celle de « qualitatif», est largement débattue au
sein des études en communication. En général, il n'est pas possible de séparer les
analyses en études quantitatives et études qualitatives puisque chacune d'entre elles
contient une portion de l'une et de l'autre. Krippendorff le souligne à plusieurs
reprises dans ses travaux:

Ultimately, all reading of texts is qualitative, even when certain characteristics

of a text are later converted into numbers. The fact that computers process great
1
Voir aussi le concept de topoï narratifdans Hébert (2016, p. 109-113).
 39

volumes of text in a very short time does not take away from the qualitative
nature of their algorithms: On the most basic level, they recognize zeros and
ones and change them, proceeding one step at a time. N evertheless, what their
proponents call qualitative approaches to content analysis offer some alternative
protocols for exploring texts systematically (Krippendorff, 2004, p. 16).

L'ambigüité de la distinction entre méthodes «quantitatives» et «qualitatives» est

mise de l'avant dans les travaux de Van Dijk. Ses études sur l'analyse du discours et
les structures du texte journalistique (Van Dijk, 1983, 1985b, 1985a, 1988a, 1988b)
constituent des cas emblématiques de l'utilisation conjointe des méthodes
quantitatives et qualitatives. L'auteur propose une approche dans laquelle les
méthodes quantitatives offrent au chercheur des éléments statistiques qui vont ensuite
alimenter l'analyse qualitative. Ainsi, les méthodes quantitatives et qualitatives
deviennent les deux facettes d'une même étude (Van Dijk, 1988a, p. X). La
linguistique de corpus (Baker, 2006, p. 1; Rastier, 2011, p. 51) et la statistique
textuelle (Lebart et Salem, 1994b), issues du croisement de plusieurs disciplines,
comme la linguistique, l'analyse du discours, la statistique, l'informatique et le
traitement des enquêtes, ont contribué à la diffusion des méthodes « quantitatives »
pour l'analyse des médias.

Une des premières analyses quantitatives de la presse remonte à 1893, où l'auteur

(Speed, 1893) a illustré la tendance de certains journaux américains à mettre de plus
en plus de l'avant les nouvelles à caractère sportif et scandaleux aux dépens du
contenu scientifique, littéraire et religieux. Dès la fin du XIXe siècle, la diffusion des
méthodologies quantitatives destinées à l'analyse du texte journalistique s'est
produite parallèlement aux développements de l'analyse du discours et de l'analyse
du contenu. Il existe plusieurs études qui démontrent comment les résultats d'une
« analyse quantitative» du texte journalistique sont pertinents pour les disciplines en
sciences humaines. En sociologie par exemple, on a étudié les représentations
sociales de la féminité et de la masculinité dans la presse québécoise pour adolescent
 40

(Lebreton, 2008). En science politique, on a confronté la hiérarchisation de

l'information de plusieurs journaux et son impact sur l'agenda politique national
(Hubé, 2007). En sciences du langage, l'étude d'un corpus journalistique a été utilisée
pour décrire l'émergence et l'emploi de formules comme « purification ethnique »
dans la presse française (Krieg, 2001). En communication, l'analyse de la campagne
présidentielle française de 2012 a été supportée par l'analyse du texte journalistique
(Maarek, 2014).

L'analyse du contenu est un des champs de recherche en sciences humaines qui est,
plus que d'autres, liée à l'utilisation de méthodes quantitatives pour l'étude du texte
journalistique (Krippendorff, 2004, p. 5-6). En effet, l'intérêt pour l'application de
modèles mathématiques et l'assistance informatique à l'analyse du texte s'est
majoritairement développé dans les années 50 (Krippendorff, 2004, p. 12),
parallèlement à la naissance de l'analyse du contenu. Une des principales raisons de
cette diffusion est le besoin grandissant de manipuler des corpus de grande taille, ce
qui suppose des exigences qui ne peuvent être comblées que par une certaine forme
d'automatisation, supportée par l'informatique. Ceci a rapidement amené le transfert
de certains concepts du domaine des mathématiques à celui des sciences humaines.
Dans ce domaine, le concept de « corrélation » est devenu un outil très répandu pour
l'analyse de contenu, de la même manière que les concepts de« reproductibilité » et
de « généralisation » des résultats sont devenus des exigences méthodologiques
(Krippendorff, 2004, p. 31-32, 37, 106). Parmi les différentes techniques, l'analyse
factorielle est une de celles qui s'est répandue le plus rapidement. L'analyse
factorielle a permis par exemple d'étudier le traitement du thème du cancer dans les
magazines pour femmes, soulignant les différentes orientations entre les médias.
Dans une étude spécifique (Andsager et Powers, 1999), une différence de traitement
du discours sur le cancer du sein entre les revues généralistes d'information et les
revues spécialisées pour femmes a été identifiée. Pour certains médias, ce sujet a été
 41

abordé par le biais des thématiques « auto-examens », « implants », « malignité » et

. « diagnostic », alors que pour les revues généralistes, le discours s'est concentré
plutôt sur des questions économiques.

Certains auteurs considèrent l'analyse du contenu comme le précurseur de l'actuelle

fouille de textes (text mining) (Yu et al., 2011, p. 733).

1. 3.1 News mining

La richesse du domaine de la science des données a permis l'éclosion d'une discipline

comme la fouille de textes (text mining). Dans ce champ de recherche, l'étude du
texte journalistique représente un terrain privilégié d'expérimentation. Toute une
série de travaux peuvent être ainsi réunis sous l'étiquette de news mining. Les
premières études dans ce domaine ont utilisé l'analyse de texte pour scruter les
opinions et les thèmes les plus abordées dans les textes des journaux économiques, et
ce, à des fins de prédiction des tendances boursières et des réponses du marché
(Chowdhury et al., 2014; Fung et al., 2003; Hariharan, 2012; Ingvaldsen et al., 2006;
Mahajan et al., 2008; Mittermayer et Knolmayer, 2006; Tang et al., 2009). Le fil
conducteur de ces travaux est l'hypothèse que le texte journalistique est une ressource
importante pour la prédiction et l'analyse des mouvements boursiers. L'utilisation de
certaines techniques, comme la détection des sentiments et des opinions (sentiment
analysis et opinion analysis), en est aussi un thème récurrent. Quelques auteurs ont
discuté des problématiques introduites par l'utilisation de ces outils lors de l'analyse
du texte journalistique. Néanmoins, ils ont conclu que, même si les réponses aux
problèmes demeurent partielles, les avantages de ces outils sont si grands au plan des
résultats qu'ils ne peuvent être ignorés (Balahur et al., 2013).

Plusieurs de ces recherches utilisent des techniques en apprentissage automatique

(machine learning) et fouille de données (data mining) dans un contexte d'analyse du
 42

texte journalistique. L'ensemble de ces travaux illustre comment l'adaptation de

méthodes de l'analyse de données constitue un des premiers objectifs du champ de
recherche en news mining (Sayyadi et al., 2007), et ce, d'autant plus que
l'augmentation exponentielle des données à caractère informatif (quotidiens en ligne,
blogs d'information, base de données, etc.) entraîne la nécessité de disposer de
techniques efficaces pour leur catégorisation. Certains chercheurs ont expérimenté les
modèles topiques (topic modelling) (Juanzi et al., 2009; Shah et ElBahesh, 2004)
dans une tâche de classification des articles de presse; d'autres ont adapté des
techniques de regroupement (clustering) pour l'analyse du texte journalistique
(Bouras et Tsogkas, 2010; US9361369 Bl, 2016). La théorie de la logique floue a été
utilisée pour l'analyse de l'information journalistique circulant sur la toile (lglesias et
al., 2015) afin d'établir de systèmes de classification des nouvelles en temps réel.
D'autres chercheurs se sont concentrés plutôt sur l'analyse de blogs ou microblogs
(Twitter) (Berendt, 2016) dans le but d'en extraire des opinions et des informations
pertinentes sur la base d'un même thème abordé. Cert_aines recherches se sont
limitées à tester des méthodes d'indexation pour la catégorisation des articles de
journaux (Hsu, 2010). Enfin, le texte journalistique a servi aussi de banc d'essai pour
la conception de techniques de résumé automatique (Malhotra et Dixit, 2013;
McKeown et Radev, 1995). Dans ce dernier contexte, le texte journalistique constitue
le cas idéal pour le développement de méthodes produisant des résultats personnalisés
et adaptés aux intérêts et aux goûts de chaque utilisateur. Un autre type de travaux a
exploité la nature même du texte journalistique pour développer des méthodes aptes à
extraire automatiquement les événements qui y sont « racontés » (Hou et al., 2015;
Sayyadi et al., 2008). Enfin, les techniques de text mining ont été utilisées pour
déterminer de nouveaux indicateurs sociaux ou économiques qui sont utilisés pour la
prise de décision au niveau politique. Par exemple, certains travaux, ont fourni des
informations pertinentes à des agences gouvernementales comme Frontex (Piskorski
 43

et Atkinson, 2011) et à des agences nationales dont les mandats sont le contrôle de
l'immigration et la sécurité des frontières (Atkinson et al., 2010).

1.4 Un champ inexploré: le croisement de l'analyse sémiotique et du news mining

Le texte journalistique èst analysé par plusieurs moyens dans le but de répondre à
plusieurs types de questions de recherche, et ceci, à l'intérieur de plusieurs disciplines
appartenant aux sciences humaines. En informatique et en science des données,
l'analyse des médias constitùe un banc d'essai pour le développement de nouveaux
algorithmes et méthodes. En général, l'analyse du texte journalistique revêt une
grande importance pour les sciences. De plus, avec les développements des nouvelles
technologies de l'information et de la communication, l'accumulation massive de
textes journalistiques numérisés soulève des questions d'analyse et d'organisation
qui ne peuvent qu'être traitées par des méthodes de l'intelligence artificielle. Dans ce
contexte, la sémiotique computationnelle joue son propre rôle, à la fois dans la phase
de développement des méthodes et dans la phase d'application et d'adaptation
d'algorithmes et de méthodes dans un contexte d'analyse en sciences humaines.

Compte tenu de la vitesse avec laquelle les technologies se développent, le lien entre
les méthodes d'analyse de la sémiotique et leur adaptation à un contexte
computationnel reste un champ largement inexploré, surtout à l'intérieur de la
communauté des sémioticiens. Pourtant, les théories linguistiques et sémantiques sur
lesquelles reposent les méthodes actuelles en fouille de textes (text mining) ont une
origine similaire aux théories sémiotiques et, en particulier, à celles de l'école de
Paris. En effet, le courant structuraliste ouvert en linguistique par Saussure, est à
l'origine de ces deux champs de recherche qui semblent, à première vue, très éloignés.
Ce point de contact avait déjà été souligné par V an Dijk dans un article qui a été
publié dans un ouvrage collectif en 1973 (Chabrol, 1973). Dans ce texte, les travaux
 44

de Harris et ceux de la sémiotique textuelle et narrative se retrouvent l'un à côté de

l'autre dans une entreprise de recherche qui essaie d'identifier la manière de passer
d'une linguistique générative d'inspiration chomskienne, essentiellement liée à
l'analyse des structures phrastiques, à une linguistique textuelle relié à l'analyse du
texte et du discours. Ce problème était au cœur du recueil de textes cité mais aussi
d'un des travaux de Harris (1952) où il définit le problème de l'analyse du discours
en le reliant à la nécessité de trouver un cadre d'analyse linguistique qui va au-delà
des bornes de la phrase.

The first is the problem of continuing descriptive linguistics beyond the limits
of a single sentence at a time. The other is the question of correlating 'culture'
and language (i.e. non-linguistic and linguistic behavior). The first problem
arises because descriptive linguistics generally stops at sentence boundaries.
This is not due to any prior decision. The techniques of linguistics were
constructed to study any stretch of speech, of whatever length. But in every
language it tums out that almost all the results lie within a relatively short
stretch, which we may call a sentence. (Harris, 1952, p. 1-2)

Harris identifie aussi un problème de dépassement des méthodes et des techniques ne

permettant pas l'analyse inter-phrastique. Dans sa définition du problème de l'analyse
du discours, apparaît aussi le besoin de ·lier l'analyse du texte à l'analyse des
phénomènes culturels, ce qui deviendra une des missions les plus importantes de
l'analyse du discours et de la sémiotique. Pour van Dijk (1973), le problème de Harris
est identique à celui d'une grammaire textuelle se basant sur la découverte des
structures narratives du texte, c'est-à-dire la construction d'une méthode pour
l'analyse de textes. Les deux approches de l'analyse du discours ont suivi un chemin
différent, s'éloignant de leur contexte d'origine. Toutefois, le ·développement de
méthodes différentes basées sur des hypothèses différentes n'exclut pas la possibilité
d'en explorer les points de contact. En particulier, la relation entre la grammaire
textuelle de type narratif, au cœur de l'école de Paris, et l'hypothèse de la sémantique
distributionnelle, développée par Harris entre autres, reste actuellement inexplorée.
 45

En effet, explorer la manière à travers laquelle la sémiotique, l'analyse narrative·et la

fouille de textes peuvent être employées pour l'analyse de texte assistée par
ordinateur représente un objet de recherche très pertinent pour la sémiotique
computationnelle. Si l'intérêt pour le développement de l'intelligence artificielle et
les méthodes de l'analyse des données n'est apparu que très récemment au sein de la
communauté. sémiotique (Compagno, 2018; EC-AISS, 2018), dans certains champs
de recherche de l'informatique, comme celui des ontologies, les réflexions menées en
sémiotique et en narratologie sur la « compétence narrative » ont constitué un cadre
théoriq~e important pour le développement des modèles formels de la narration. En
effet, de nombreux chercheurs ont utilisé les travaux de Greimas ou de Propp pour la
définition d'un modèle computationnel de la narrativité ou du drame· (Akimoto et
Ogata, 2012; Battaglino et al., 2014; Ciotti, 2016; Damiano et al., 2005; Gervas,
2013a; Lieto et Damiano, 2014; Lombardo et Pizzo, 2014; Mani, 2012). D'autres
chercheurs ont aussi utilisé des modèles formels de la narration pour la génération du
récit (Fararo, 1993; Porteous et al., 2010; Porteous et Cavazza, 2009; Skvoretz, 1993)
ou pour l'analyse des chaînes narratives par des méthodes non supervisées (Chambers
et Jurafsky, 2008).

À notre connaissance, peu de travaux ont exploité une approche computationnelle

pour l'analyse narrative de texte. Le seul travail pertinent de ce type (Sudhahar et al.,
2011) a été conduit sur un corpus journalistique. Ses auteurs ont développé une
méthode pour identifier les acteurs (personnages) et les actions en se basant sur la
structure de la phrase : ·sujet-verbe-objet (SVO). Malgré les difficultés de cet
ambitieux projet qui a porté sur 100 000 articles, les auteurs illustrent bien comment
cette approche peut produire des résultats intéressants pour l'analyse de grands corpus.
Par exemple, la recherche a confirmé de manière empirique une opinion largement
répandue dans la société, soit que les auteurs de crimes sont généralement des
hommes alors que les femmes et les enfants en sont les victimes les plus fréquentes.
 46

Toutefois, cette approche a été appliquée sur les phrases et a démontré des limites ·
quant à l'identification des structures globales du texte.

Exécuter une analyse narrative assistée par ordinateur à des fins d'analyse de presse
ne peut pas se limiter à l'analyse des structures des phrases. Ainsi, adopter une
perspective d'analyse qui implique la notion de texte comporte des choix de
formalisation et de modélisation différents, qui englobent des structures inter-
phrastiques. Les outils de l'apprentissage automatique (machine learning), de la
fouille de textes (text mining) et du traitement automatique du langage naturel
(natural language processing) constituent déjà un groupe varié d'algorithmes et
méthodes qui peuvent être utilisés dans une chaîne de traitement pour l'analyse de
texte. Dans ce contexte, la sémiotique computationnelle peut étudier le lien entre les
méthodes et les théories développées en sémiotique et les possibilités qu'une analyse
assistée par ordinateur offre aux sciences humaines et, plus particulièrement, à la
sémiotique.

1.5 Question de recherche

Dans le cadre décrit précédemment, une série de questions surgissent. Dans le

nouveau contexte de la sémiotique computationnelle, ·est-il possible d'assister
l'analyse narrative du texte journalistique? Quels pourraient être les outils à insérer
dans une chaîne de traitement ayant pour but d'assister l'analyse narrative du texte
journalistique? Pour répondre à ce genre de questions, la présente recherche propose
de construire une chaîne de traitement pour l'analyse du texte journalistique et de
l'évaluer dans le cadre de la sémiotique computationnelle. La méthode proposée ici
doit être considérée comme une démonstration de faisabilité, c'est-à-dire une étude
de faisabilité basée sur la mise en place d'une méthode mise à l'épreuve dans un
contexte d'analyse sémiotique et pour un cas d'étude réel. La structure argumentative
 47

de la thèse se base donc sur la construction d'une chaîne de traitement pour l'analyse
de textes assistée par ordinateur qui est appliquée à un cas d'étude spécifique et pour
lequel on évalue sa pertinence dans un contexte d'analyse sémiotique. Le cas d'étude
choisi est le traitement journalistique de la grève étudiante québécoise de 2012 (cfr.
1.7). À cette fin, un corpus de textes journalistiques est construit dans un objectif
d'analyse.

La thèse ainsi construite suscite des questions de recherche qui se situent sur deux
plans. L'un regroupe des questions d'ordre méthodologique qui mettent de l'avant
l'intérêt d'une méthode hybride entre l'informatique et la sémiotique: Est-il possible
d'utiliser quelques méthodes et algorithmes pour la découverte des macrostructures
textuelles de type narratif? Quel est le point d'ancrage sur lequel construire le lien
entre les théories sémiotiques des macrostructures et les méthodes computationnelles?
Quels sont les avantages de l'assistance informatique pour l'analyse sémiotique?
Toutes ces questions ne peuvent être répondues ou soulever de pistes de réflexion que
par le biais d'une étude de faisabilité. L'exploration des méthodes doit alors se faire
dans un cadre de découverte empirique, à travers l'analyse d'un corpus de texte.

Une deuxième série de questions porte sur la dimension cognitive d'une étude de cas,
c'est-à-dire des questions typiquement sémiotiques mettant de l'avant l'intérêt de la
recherche à découvrir des informations sur le cas à l'étude. Quelles sont les
caractéristiques principales de la couverture journalistique sur le mouvement de grève
étudiante? Quelles sont les thématiques les plus abordées ou les événements les plus
racontés et comment ont-ils été traités? Quelles sont les macrostructures les plus
importantes du traitement journalistique du mouvement de grève? Répondre à ce
genre de questions requiert la construction d'un corpus de textes journalistiques et la
description de leurs principales caractéristiques, ce qui constitue une étude typique en
science humaines et plus particulièrement, en sémiotique.
 48

Ces deux types de questions sont complémentaires. L'étude de cas permet ams1
d'évaluer la pertinence d'une nouvelle méthode d'analyse pour répondre à des
questions de recherche typiques des sciences humaines, comme par exemple, décrire
le traitement journalistique d'un phénomène socio-politique.

Les questions de recherche peuvent alors se résumer ams1:

Question de recherche A)compte tenu de l'existence des macrostructures comme

dispositif sémiotique qui garantit la cohérence textuelle
et discursive, quelles sont les macrostructures les plus
importantes de la couverture journalistique du
printemps érable?

Question de recherche B)compte tenu de l'importance de l'analyse narrative pour

l'étude du texte journalistique, comment peut-on
assister computationnellement l'analyse narrative du
texte journalistique?

Ces questionnements nous mènent aux objectifs de recherche suivants:

Objectif A) explorer la couverture médiatique du cas d'étude en se basant sur

le concept de macrostructure

ObjectifB) exécuter cette analyse au moyen d'une méthode d'analyse de texte

assistée par ordinateur qui associe un outil computationnel
spécifique à l'analyse narrative du texte journalistique.

1.5.1 Hypothèses

Les postulats et les hypothèses qui régissent le raisonnement et la structure

argumentative de la thèse sont séparés en deux catégories, soit sémiotique et
computationnelle. D'une part, les hypothèses sémiotiques identifient un procédé
sémiotique qui fonctionne comme un ancrage à l'analyse des macrostructures d'un
 49

corpus. D'autre part, les hypothèses computationnelles identifient la nature

computable du procédé sémiotique sélectionné et proposent le transfert d'une tâche
d'analyse sémiotique vers un modèle formel et computable. L'analyse narrative
assistée par ordinateur doit alors être composée d'une hypothèse sémiotique sur les
mécanismes de la signification et d'une hypothèse sur l'utilisation d'un outil
computationnel capable d'exécuter une tâche de l'analyse dans un contexte
computable, soit l'assistance par ordinateur.

1.5 .1.1 Hypothèses sémiotiques

Une des manières d'aborder l'analyse de textes est de postuler l'existence de

macrostructures qui en soutiennent le sens global et permettent de maintenir sa
cohérence. Ces macrostructures ont une nature sémantique et peuvent être étudiées
sous différents angles et perspectives. La détection des structures narratives est une
des manières possibles pour étudier les macrostructures d'un texte. L'importance de
ce postulat pour l'analyse du texte journalistique a été décrite dans les paragraphes_
précédent (cfr. 1.5). Le défi de la présente recherche est donc d'identifier une façon
d'exécuter une analyse narrative du texte journalistique à l'aide de l'ordinateur. Dans
ce contexte, il est nécessaire de trouver une hypothèse de recherche qui fasse le lien
entre sémiotique et computation. En ce sens, une hypothèse de type sémiotique doit
être énoncée pour permettre l'identification d'une tâche d'analyse qui puisse être
transférée dans un procédé algorithmique et formel tout en restant cohérente avec
l'hypothèse sémiotique de base. En d'autres termes, il faut énoncer une hypothèse
sémiotique qui identifie un procédé sémiotique de nature computable. L'hypothèse
sémiotique explorée dans ce travail de recherche est la suivante:

Hypothèse A) lors de l'analyse d'un corpus de textes journalistique, les articles

qui partagent les mêmes macrostructures sont identifiables par la
détection de schémas récurrents de nature lexicale, ce qui
 50

implique que ces articles sont similaires du point de vue

sémantique . .

Cette hypothèse s'appuie sur l'idée que la similarité sémantique entre textes est
déterminée par une régularité lexicale, c'est-à-dire par la répétition, dans les textes
similaires, des mêmes éléments lexicaux. La récurrence de ces éléments lexicaux
identifie un schéma récurrent, c'est-à-dire une structure lexicale. Ainsi, puisque
chaque unité lexicale possède son contenu sémantique, un schéma lexical correspond
à un schéma sémantique qui est appréhendé comme la macrostructure sémantique
partagée. La régularité lexicale permet ainsi d'identifier la macrostructure
sémantique qui est partagée par les articles similaires. Les schémas récurrents se
forment alors en fonction des régularités sémantiques communes aux textes similaires.
En d'autres termes, les articles qui traitent des mêmes événements utilisent un
vocabulaire similaire et sont analogues du point de vue sémantique. Le cqncept de
macrostructure sera plus largement traité dans le prochain chapitre, car il constitue un
élément de l'approche théorique.

À cette hypothèse s'ajoute une seule et unique sous-hypothèse:

Sous-hypothèse A.l) les schémas récurrents, qui constituent un phénomène

lexical, correspondent à des structures sémantiques qui
peuvent assumer forme et nature différente. Dans le cadre
de cette thèse, nous faisons l'hypothèse que ces structures
sémantiques correspondent à des structures narratives
ayant la forme du schéma actantiel.

L'analyse narrative du texte peut être exécutée à travers diverses théories et méthodes.
Une des méthodes les plus répandues en sémiotique est celle développée par Greimas.
Dans le métalangage qu'il a développé pour la description des phénomènes
sémiotiques, Greimas a souligné l'importance de regrouper les rôles narratifs d'un
récit dans un modèle, soit le schéma actantiel. Les actants relèvent d'une syntaxe
 51

narrative et permettent d'identifier les éléments qui organisent la structure sémantique

d'un texte. La présente sous-hypothèse implique donc l'identification du schéma
actantiel partagé par des articles similaires.

En résumé, le schéma récurrent est un concept opératoire qui désigne le phénomène

de répétition des mêmes éléments lexicaux. Ce schéma correspond à l'émergence
d'une macrostructure sémantique, qui apparaît dans plusieurs textes similaires du
point de vue sémantique. Un schéma récurrent doit donc comprendre des
composantes lexicales identifiables qui doivent se retrouver dans plusieurs textes.
Ainsi, l'hypothèse sémiotique principale est que les textes similaires partagent un
même schéma récurrent, ce dernier étant identifiable par un schéma actantiel.
L'hypothèse s'appuie sur le postulat de l'existence des macro structures de nature
narrative. L'identification d'articles similaires du point de vue sémantique constitue
une étape fondamentale de l'analyse et de l'ancrage sémiotique pour l'utilisation
d'outils computationnels.

[Link] Hypothèses computationnelles

À ce stade, il est nécessaire d'identifier un outil computationnel qui puisse soutenir la

tâche d'identification de macrostructures. Si ces structures sont identifiables par des
schémas lexicaux récurrents dans un groupe d'articles similaires, la méthode
computationnelle peut se limiter à repérer les articles similaires sur la base de la
dimension lexicale des textes. Un algorithme appartenant à la fouille de données et à
l'apprentissage automatique devra alors être identifié pour exécuter cette tâche de
repérage ou de regroupement d'articles similaires. Une phase de lecture et
d'annotation pourra ensuite être exécutée pour déterminer les macrostructures
sémantiques qui correspondent aux schémas lexicaux de chaque groupe d'articles
similaires.
 52

À partir de l'hypothèse sémiotique énoncée au paragraphe précédent, quelques

postulats et une hypothèse computationnelle peuvent être énoncés. Le premier
postulat affirme que :

Postulat A) un texte peut être représenté dans un contexte formel et

computable par une transformation vectorielle.

La transformation d'un texte dans une matrice est un des modèles les plus utilisés en
intelligence artificielle pour sa manipulation. La construction d'une matrice
représentant un texte constitue ainsi le contexte computationnel à partir duquel la
méthode proposée peut être développée. Cette thèse ne remet pas en cause la
légitimité d'un tel modèle et le considère donc comme un postulat. Le modèle
computable qui représente un texte est appelé modèle sémantique vectoriel et il est
détaillé dans le prochain chapitre puisqu'il représente un élément de notre approche
théorique.

Le deuxième postulat énonce que :

Postulat B) une famille particulière d'algorithmes, le clustering, peut être

appliquée à un modèle sémantique vectoriel pour la
reconnaissance de groupes d'articles similaires.

Le clustering a toujours été utilisé en fouille de textes pour le regroupement de

documents similaires et sa légitimité n'est donc pas discutée dans cette thèse. Ces
deux postulats amènent à considérer l'hypothèse de recherche qui suit:

Hypothèse B) le clustering permet de repérer des groupes d'articles similaires

qui partagent les mêmes macrostructures de type narratif.

Cette hypothèse de recherche et complémentaire à l'hypothèse sémiotique A). Ces

macrostructures correspondent ainsi à des schémas lexicaux récurrents qui
contribuent à la détermination des groupes d'articles similaires dans un contexte
 53

computationnel. L'application d'une telle méthode permet de réduire le temps

d'analyse de corpus de grande taille et apporte des avantages considérables à la
pratique d'analyse sémiotique des textes journalistiques.

1.6 Les objectifs poursuivis

Dans 1.5 nous avons défini les objectifs de recherche en relation aux quesitons de
recherche. Ces objectifs sont surtout liés à la nature de cette thèse, qui a un caractère
méthodologique. En effet, ils expriment des attentes en relation à des aspects de la
méthode qui sera explorée par la chaîne de traitement. Toutefois, nous voulons aussi
souligner deux objectifs plus généraux qui sont poursuivis par la présente thèse.

Le premier est le suivant :

Objectif général A) exécuter une véritable analyse du cas d'étude afin de dégager
les macrostructures les plus importantes du traitement
journalistique du mouvement étudiant québécois de 2012.

Atteindre ce premier objectif signifie obtenir de résultats significatifs et valables

quant au cas d'étude, ce qui constitue à coup sûr un élément de réussite de la présente
recherche.

Le second objectif general est le suivant:

Objectif général B) explorer le clustering comme méthode d'assistance à

l'analyse narrative de corpus de textes journalistiques.

Pour y arriver, il est nécessaire de créer une chaîne de traitement constituant une
démonstration de faisabilité. Pour ce faire, la chaîne de traitement est utilisée pour
l'analyse d'un cas d'étude. Si les résultats de l'analyse sont valides, il sera alors
possible d'évaluer et de discuter de la faisabilité d'une assistance informatique à
 54

l'analyse narrative de textes journalistiques, en soulignant les avantages et les

inconvénients de l'utilisation d'une telle méthode. Le choix du cas d'étude est donc
déterminant pour la réussite de l'étude de faisabilité puisque les résultats de l'analyse
constituent le matériel sur lequel la méthode est évaluée. La présente thèse s'attache
donc, via l'analyse d'un cas d'étude, à présenter une méthodologie hybride pour
l'analyse narrative de textes journalistiques.

Cette thèse contribue principalement au transfert de connaissance de l'informatique à

la sémiotique et à la mise en place de pistes et hypothèses de recherche pour la
sémiotique computationnelle.

1.7 Le cas d'étude: le printemps érable

L'expression imagée de printemps érable désigne une grève étudiante qui a eu lieu au
Québec entre les mois de février et septembre 2012 et qui a mobilisé jusqu'à 175 000
étudiantes et étudiants québécois afin de protester contre la hausse des droits de
scolarité prévue par le gouvernement libéral du premier ministre Jean Charest, lors de
la 39e législature du Québec. Le printemps érable a ouvert un débat public sur le
statut de l'éducation au Québec et a impliqué plusieurs dizaines de milliers de
citoyens, ce qui de fait a transformé une grève étudiante en un véritable mouvement
social. La couverture journalistique de ce phénomène socio-politique a été totale et,
pour ces raisons, il constitue un cas d'étude idéal pour présenter une méthodologie
nouvelle.

1. 7.1 Description des événements principaux

À la fin de 2008, les élections générales québécoises amènent au pouv01r un

gouvernement composé d'une grande majorité de députés du Parti Libéral du Québec
(PLQ) dirigé par Jean Charest, qui est ainsi devenu premier ministre du Québec pour
 55

la troisième fois de suite. Le ministre de l'éducation est alors Line Beauchamp qui
démissionne pendant la grève. Elle est remplacée par Michelle Courchesne.

Au début de 2010, le gouvernement anrionce son intention de hausser les droits de

scolarité universitaires de 75% et d'étaler cette hausse sur une période de cinq ans à
compter de 2012, ce qui correspond à une augmentation de 1 625 $ par année par
étudiant. Le gouvernement considère la hausse comme une source supplémentaire de
financement du système d'éducation au Québec. En particulier, les universités
québécoises souffrent d'un déficit budgétaire important ce qui, selon le gouvernement,
les empêche d'être compétitives au niveau national et international.

Le choix de financer le système d'éducation par une manœuvre touchant surtout les
étudiants est justifié par le gouvernement par le constat que les étudiants ne
contribuent pas assez au soutien financier de l'éducation et ce en comparaison avec
les étudiants des autres provinces canadiennes. Cette contribution est demandée
comme « une juste part » des étudiants à la formation universitaire qui aurait un
impact favorable en terme de « rentabilité économique privée ». En effet, selon le
gouvernement, un travailleur détenteur d'un diplôme d'étude secondaire ajouterait
près de 600 000 $ au cours de sa vie active s'il possédait un diplôme universitaire.

Dès le début, les fédérations étudiantes québécoises manifestent leur désaccord avec
cette proposition au moyen de différentes actions, comme une pétition réunissant 30
000 signatures, plusieurs manifestations mobilisant quelque dizaines de milliers
d'étudiants et des occupations de lieux à l'intérieur des campus universitaires. Ces
actions ne convainquent pas le gouvernement d'amorcer des discussions avec les
fédérations étudiantes.

Le 13 février 2012, en raison de l'absence de réponses gouvernementales, plusieurs

associations étudiantes déclenchent une grève illimitée et ce, avec l'appui de la
 56

majorité de leurs membres. Dans son moment le plus intense, la grève rejoint 175 000
étudiants, plus de la moitié des 342 000 étudiants québécois.

Les principales associations étudiantes qui représentent les grévistes sont : la

Fédération Étudiante Universitaire du Québec (FEUQ) dont le président est Martine
Desjardins, la Fédération Étudiante Collégiale ~u Québec (FECQ) dont le président
est Léo Bureau-Blouin et la Coalition large de l'Association pour une solidarité
·syndicale étudiante (CLASSE), qui est un regroupement temporaire créé
spécifiquement par l'Association pour une solidarité syndicale étudiante (ASSÉ) pour
lutter contre la hausse des droits de scolarité et qui comporte deux porte-paroles,
Gabriel Nadeau-Dubois et Jeanne Reynold. La CLASSE n'a pas de président. Les
trois associations ne partagent pas la même plateforme de revendications car la
CLASSE, considérée comme l'association la plus radicale, se distingue des deux
autres par la revendication de la gratuité scolaire des études post-secondaires. Au
contraire, la FEUQ et la FECQ proposent pour leur part des solutions moins radicales,
comme un moratoire de la hausse de droits de scolarité.

Le principal élément du débat dans les associations étudiantes et entre celles-ci et le

gouvernement est la vision de l'éducation publique au Québec. Si le gouvernement
prône l'idée d'avoir un système éducatif compétitif et de qualité grâce à un
financement supplémentaire auquel devraient contribuer principalement ses
principaux bénéficiaires, les étudiants de leur part mettent de l'avant l'idée d'un
système éducatif accessible et inclusif rendu possible par la réduction· des coûts de
scolarité.

De février à avril 2012, plusieurs manifestations, piquetages et occupations

représentent le cœur des activités des grévistes. Le 22 mars, une manifestation de 200
000 personnes contre la hausse de droits de scolarité défile dans les rues de Montréal,
 57

ce qui constitue la plus grande manifestation populaire enregistrée au Québec depuis

celle du 2003 contre la guerre en Iraq. Pendant cette longue période, le gouvernement
refuse toujours de rencontrer les étudiants et de mettre sur pied une table de
concertation, ce qui augmente la tension et suscite la colère des étudiants. Les
manifestations sont souvent le théâtre de durs affrontements entre les manifestants et
la police. L'affrontement le plus violent a lieu à Victoriaville le 4 mai, en marge du
conseil général du PLQ et deux manifestants y sont gravement blessés.

La stratégie principale des grévistes pour amener le gouvernement à discuter consiste

à perturber le plus possible la vie citadine au moyen de manifestations et actions de
différents types. Les actions de perturbation sont assez diversifiées et vont de la
manifestation pacifique au blocage de pont ou aux actes de vandalisme contre les
symboles du pouvoir libéral, comme la fenêtre du bureau du ministre de l'éducation,
ou du pouvoir économique, comme les vitrine des banques.

L'usage de la force policière pour réprimer les manifestations est très répandu et
suscite de vives critiques. Pendant la grève des étudiants, selon le rapport de la
commission sur les événements du printemps 2012 du gouvernement du Québec, la
police de Montréal (SPVM) intervient dans 532 cas et exécute 12 opérations
d'arrestation de masse (CSEP 2012, 2014), la police de Québec (SPVQ) intervient
dans environ 200 situations avec huit arrestations de masse, la police de Gatineau
(SPVG) dans 163 manifestations avec deux arrestation de masse, et enfin, la Sûreté
du Québec (SQ) intervient dans 473 situation, avec une opération d'arrestation de
masse. La police fait large usage d'outils de multiplication de la force, comme le
poivre de Cayenne, les grenades assourdissantes, le gaz lacrymogène, les bâtons et les
balles en plastique. Le 7 mars, lors d'une manifestation devant les bureaux de la
conférence des recteurs et des principaux des universités du Québec (CRÉPUQ), le
 58

manifestant Francis Grenier perd l'usage d'un œil à cause d'une grenade
assourdissante.

Cette longue période de grève et de manifestations provoque également la suspension

de plusieurs cours universitaires et collégiaux. Le blocage de cours amène les
tribunaux à émettre des injonctions forçant les professeurs à donner leurs cours et
interdisant les piquetages ou les grands rassemblements sur les campus Les
établissements d'enseignement opposent une vive résistance aux actions
perturbatrices posées par les étudiants et utilisent à plusieurs reprises leurs forces de
sécurité pour les contrer. La police est également appelée de temps en temps pour
rétablir l'ordre dans les campus universitaires.

À la fin du mois d'avril, le gouvernement décide d'entamer des discussions avec les
associations étudiantes afin de trouver une sortie de crise. La ministre Beauchamp
exclut la CLASSE de la première rencontre parce qu'elle la tient responsable des
actes de violence commis à plusieurs reprises pendant les manifestations,
reproduisant ainsi la même stratégie adoptée pendant la grève étudiante de 2005. Les
deux fédérations étudiantes, FEUQ et FECQ, refusent alors de rencontrer le
gouvernement en absence de la CLASSE, démontrant ainsi une grande solidarité et
une union solide entre les étudiants en grève. La ministre Beauchamp décide ensuite
de rencontrer les étudiants pour discuter du système de prêts et bourses et non pas de
la hausse de droits de scolarité. Le 23 avril, les travaux de la table de concertation
s'amorcent. La CLASSE est exclue à nouveau après 24 heures, car elle est tenue
responsable d'une action militante du Black Bloc. À la fin des travaux [Link] table de
concertation, le PLQ annonce un nouveau plan qui prévoit une augmentation de 82%
sur sept ans, plutôt que 75% sur 5 ans. L'offre est considérée inacceptable par les
associations étudiantes qui préparent une contre-offre et demandent un moratoire.
 59

Le 5 mai, le débat se déplace vers la gestion des universités et le gaspillage de

ressources. À la fin des discussions de la table de concertation, la proposition du
gouvernement porte sur la création d;un comité qui devra étudier les lacunes de
gestion des universités afin de trouver les ressources financières équivalentes à la
hausse proposée, dans le but de la réduire, voire même de l'annuler. Le comité serait
composé de 19 personnes dont quatre représentants des étudiants. Après une
consultation auprès· de leurs membres, les associations étudiantes refusent la
proposition.

Le refus de la proposition du 5 mai conduit à la démission de la ministre Line

Beauchamp qui est remplacée par Michelle Courchesne. L'ex-ministre accuse les
étudiants de s'être campés sur leurs positions et admet son incapacité à résoudre le
conflit étudiant par le dialogue. Le 16 mai, le gouvernement annonce le dépôt d'une
loi spéciale ayant pour objectif de mettre fin au conflit étudiant.

Le dépôt du projet de loi spéciale (projet de loi 78 qui deviendra la «loi 12») est un
tournant important dans la crise et mène à une confrontation encore plus dure entre le
gouvernement et les étudiants. La loi prévoit la suspension du trimestre d'hiver dans
les universités et les cégeps, l'interdiction de faire du piquetage ou de bloquer l'accès
aux cours et une série de restrictions aux droits de manifester et de se rassembler. Des
amendes allant de quelques centaines de dollars à 125 000 $ sont prévues dans
différentes situations. De plus, la loi permet aux universités de cesser la perception de
la cotisation étudiante pour les associations considérées responsables d'actes de
violence. Le 18 mai, le projet de loi 78 est adopté. Le même jour, la ville de Montréal
introduit le règlement P-6 qui interdit le port du masque en public pendant les
manifestations afin de faciliter l'identification des manifestants violents.
 60

Le jour de l'adoption du projet de loi 78, une dizaine de manifestations spontanées

ont lieu à Montréal, démontrant ainsi un ·grand appui populaire à la cause des
étudiants et, surtout, un rejet de la loi 12. À partir de ce moment, des milliers de
personnes défilent dans les rues de Montréal avec des casseroles à l'image des
« Cacerolazo »del' Amérique du sud. Cette forme de protestation est caractérisée par
l'utilisation des casseroles pour faire du bruit pendant les manifestations. Le
mouvement étudiant se répand donc définitivement à toute la société québécoise.

La loi 12 a conduit de plus à une criminalisation du mouvement étudiant et à

plusieurs arrestations de masse. La CLASSE annonce qu'elle ne respectera pas la loi
spéciale et promeut la désobéissance civile. En vertu des dispositions de la loi 12, les
manifestations sont souvent déclarées illégales par la police qui utilise la force pour
les réprimer et disperser les foules.

Le 28 mai, une nouvelle table de concertation est mise sur pied puisque la loi spéciale
ne permet pas de diminuer la mobilisation étudiante. Les discussions se poursuivirent
pendant quatre jours et le débat se concentre, pour la première fois, sur la hausse de
droits de scolarité. Cependant, la table de concertation ne produit aucun résultat
satisfaisant. Elle est la dernière possibilité de résoudre la crise par le dialogue.

Malgré l'arrivée de l'été, la mobilisation se poursuit. Les divers festivals d'été de

Montréal et le Grand Prix risquent d'être perturbés par la crise étudiante en cours. Les
affrontements entre policiers et étudiants se poursuivent régulièrement et les
présidents de festivals et d'autres personnages publics interviennent dans le débat sur
afin de sauver la saison touristique de Montréal.

Le premier août, le gouvernement Charest décide de déclencher des élections, parce

que selon le ministre des Finances Raymond Bachand, elles sont désormais le seul
moyen permettant de résoudre le conflit. Les élections ont lieu le 4 septembre 2012 et
 61

un gouvernement minoritaire mené par le PQ de Pauline Marois est élu. Jean Charest,
après plus de vingt ans comme député, est défait dans sa propre circonscription et le
PLQ perd plus de 10% des électeurs qui l'avaient soutenu en 2008.

1.7.2 La couverture médiatique

Le printemps érable a fait l'objet d'une couverture médiatique complète et ce, dans
plusieurs types de médias. La presse écrite a été une des principales sources
d'information et a constitué un des moyens majeurs d'expression des acteurs
impliqués dans le débat, ce qui en fait une composante importante pour la
construction de l'opinion publique. Par exemple, selon une étude publiée par
Influence Communication, un courtier en nouvelles, Le Devoir, La Presse et The
Gazzette ont traité le conflit étudiant à la une dans 73,5% des cas et 42% pour le
Journal de Montréal (Influence Communication, 2012b). La même firme a aussi
constaté dans son bilan annuel que le conflit étudiant a été une des nouvelles le plus
longuement traitées dans l'histoire des média québécois (Influence Communication,
2012a).

Selon un rapport (Giroux et Charlton, 2014) du Centre d'étude sur les médias
(Université de Laval), La Presse est le journal qui a consacré le plus d'espace au
conflit étudiant, avec 31 % de la couverture totale des quatre journaux les plus
importants de Montréal. Le Devoir a une couverture de 27%, le Journal de Montréal
22% et The Gazette 20%. L'attention de ces quotidiens s'est accentuée au fur et à
mesure de l'ampleur prise par la grève, atteignant son apogée entre le 20 et le 26 mai,
la semaine de l'adoption du projet de loi 78 .. Plus de 80% des articles ont pris la
forme de nouvelles, de chroniques et de lettres d'opinion. La part la plus importante
va à la catégorie nouvelle, qui constitue plus de 50% du matériel publié. Plus de 80%
du matériel de La Presse a été signé par un journaliste alors que cette proportion
s'élève à 75% pour The Gazette, 70% pour le Journal de Montréal et 63% pour le
 62

Devoir. Enfin, les médias et leurs chroniqueurs ont pris une part active dans le débat
et leur influence dans la formation de l'opinion publique au sujet du printemps érable
a suscité plusieurs questionnements d'ordre éthique et politique (Tremblay et al.,
2015). De nombreux ouvrages traitant du printemps érable ont été publiés et il est
extrêmement difficile d'en faire une synthèse.

1. 7 .3 Quelques corpus sur le printemps érable

Dans le but d'obtenir un cadre de comparaison, des travaux ayant étudié le traitement
journalistique du printemps érable en se basant sur un corpus de texte sont présentés.
Nous avons sélectionné ceux qui ont été constitués à des fins similaires à celles de la
présente étude. Ces corpus ne constituent pas une liste exhaustive et toute
comparaison ne peut donc pas être complète. Toutefois, cet ensemble de corpus et
d'études sur le printemps érable permet de positionner partiellement la présente étude
dans le cadre des recherches en sciences humaines.

Le premier corpus fait partie d'une étude conduite par Influence Communication, un
« courtier en information média spécialisé dans la surveillance, la synthèse et
l'analyse de contenus de médias imprimés et électroniques » (Influence
Communication, 2018). Cette étude (Influence Communication, 2012b) a analysé les
pages de couverture (les unes) de quatre quotidiens de Montréal, soit La Presse, Le
Devoir, Le Journal de Montréal et The Gazette. La période couverte va du 15 février
2012 au 9 juin 2012, c'est-à-dire des premiers votes de grève à une semaine après la
rupture des négociations entre les associations étudiantes et la ministre Michelle
Courchesne. L'objectif de recherche était « d'évaluer l'ampleur de la couverture du
conflit étudiant sur la première page des quatre quotidiens ». Le corpus comptait 396
pages. L'étude présente un certain nombre de conclusions, tel le fait que 63,14 % des
quatre quotidiens ont fait mention du conflit étudiant pendant la période analysée ou
que Le Journal de Montréal est celui qui a affiché le moins d'évènements liés au
 63

printemps érable dans ses premières pages, ou encore que Le Devoir a montré le plus .
souvent des photos de manifestati_ons pacifiques alors que Le Journal de Montréal a
montré le plus souvent des photos de manifestations violentes.

Un rapport du Centre d'études sur les médias de l'Université Laval publié en février
2014 (Giroux et Charlton, 2014), a conduit une étude sur les mêmes sources
d'information, soit La Presse, Le Devoir, Le Journal de Montréal et The Gazette. La
période de couverture de cette étude est du 13 février au 23 juin 2012 ce qui, selon les
auteurs, couvre « les évènements les plus importants » de ce qu'on appellera le
printemps érable. L'information sur la taille du corpus et sur la méthode de collecte
des données n'a pas été dévoilée par les auteurs, mais on connaît la taille d'un de
leurs sous-corpus, formé de 185 unités. Toutefois, il est fort probable que l'étude ait
été basée sur plus de 1 000 articles. L'objectif de la recherche était d'étudier le
traitement journalistique du conflit étudiant et, plus particulièrement, de « décrire les
caractéristiques des productions journalistiques telles qu'elles peuvent être perçues
par les lecteurs » (ibid). Pour ce faire, une méthode spécifique a été mise au point,
sur la base d'une grille d'analyse déterminée en amont et sur une équipe de
«codeurs-analystes». L'étude est large et composée de plusieurs sous-analyses, dont
nous résumons brièvement quelques conclusions du point de vue quantitatif. Le
rapport affirme que La Presse est le quotidien qui a consacré le plus d'espace au
conflit étudiant, atteignant 31 % de la couverture totale des quatre quotidiens 2 • Le
journal Le Devoir est celui qui a consacré le plus grand contenu rédactionnel au
conflit (11 %). La figure 1.2 montre l'évolution de la couverture tout au long des
semames.

2
Le Devoir a réservé 27 % de son contenu rédactionnel, Le Journal de Montréal 22 % et The
Gazzette 20 %.
 64

:lO"}t ~ - - - - - - - - - - - •·- - - - - - - - - - - - - - - - - - - - - ~

25% . ! - - - - - - - - - - - - - - - - - - - - -~ ,-'\- - - - - - -

;W% +------------·- - - - - - - - - - - ---;

15%

Hl% +--------

5%

0%
3 7 9 n 13 15 l7 1'1
Semaines

-Joul'nal dt> Montréal - t a l'rnMie * '"'"'""Lt- Devoir -1'1w Gazette

Figure 1.2 Évolution hebdomadaire par quotidien du contenu rédactionnel consacré à

la crise (Giroux et Charlton, 2014, p. 8)

Selon cette même étude, plus de 80 % des textes portant sur le printemps érable ont
pris la forme de nouvelles, de chroniques et de lettres d'opinion, les nouvelles, c'est-
à-dire la catégorie « Actualité », constituant le genre journalistique dominant dans
tous les quotidiens. Ces considérations coïncident avec les caractéristiques générales
de notre corpus (cfr. 4.1.3), sauf pour Le Devoir, où la distinction des catégories est
sensiblement différente des autres journaux. La majorité des autres informations
quantitatives exposées par l'étude de l'Université Laval coïncident avec celles de
notre présent corpus. D'autres résultats sur les thématiques les plus abordées par les
quatre quotidiens constituent également une contribution importante pour la
compréhension du traitement journalistique du printemps érable. Bien que le corpus
de cette étude ne peut pas être évalué, car ni sa taille ni sa méthode de collecte ne sont
connues, ses résultats sur les thématiques les plus importantes seront repris dans le
chapitre c-inq à des fins de comparaison. Cette étude est celle dont les objectifs
coïncident le plus avec ceux de cette thèse.
 65

Plusieurs autres travaux académiques sur le trait_ement journalistique du printemps

érable ont été produits. Les méthodes et les approches sont très différentes les unes
des autres et les études ne sont pas toutes comparables. Une première étude (Cléroux,
2015) répond à la question de recherche suivante:« comment le printemps érable a-t-
il été couvert par les journalistes québécois? » À la différence des autres, ce travail
s'est majoritairement concentré sur les aspects idéologiques et les « logiques »
extrajoumalistiques qui ont influencé le travail des journalistes. Le corpus est
composé d'entretiens semi-dirigés auprès des professionnels de l'information.
Toutefois, une analyse de contenus a également été conduite et représente un élément
fondamental de l'argumentation de l'étude. Cette analyse a été réalisée sur un corpus
très mince, composé de quelques articles publiés au lendemain des plus grandes
manifestatioi:is étudiantes qui se sont tenues chaque 22e jour du mois, de février à
août. Un tel choix est basé sur le fait que ces manifestations représentent des
événements importants du printemps érable et qu'elles « sont passées à l'Histoire en
raison du nombre de gens qu'elles ont mobilisés ». Les sources d'information
retenues sont les mêmes que dans les deux autres études, soit La Presse, Le Devoir,
Le Journal de Montréal et The Gazette. Ce choix est justifié, selon les auteurs, par le
fait que ces journaux sont les quotidiens payants les plus lus au Québec et les plus
cités à la télévision ainsi qu'à la radio, « ce qui augmente considérablement leur
impact potentiel sur l'opinion publique » (ibid. p. 44). Les articles d'opinion ont été
écartés et seules les «Actualités» ont été retenues. Positionnement de l'article, mise
en page et photos n'ont pas été retenus non plus dans l'analyse. Enfin, le corpus est
composé de 30 articles appartenant à la catégorie« Actualités ». Chaque texte analysé
a été divisé en énoncés, chacun étant situé à l'intérieur d'une catégorie et d'une grille
d'analyse particulière. Un corpus ainsi construit réduit la représentativité et le
potentiel de généralisation des résultats à l'ensemble de la couverture journalistique
du printemps érable, ce qui est reconnu par les auteurs eux-mêmes, lesquels
confirment le risque d'un biais subjectif de la méthode (ibid p. 49-50). Cette étude
 66

montre en effet l'importance d'avoir un corpus de grande taille et, surtout, de le

construire en suivant des critères bien précis et mettant en valeur l'orientation du
corpus et sa représentativité. Cette étude illustre aussi la difficulté de construire et
d'analyser un corpus de grande taille dans le cadre de recherches en sciences
humaines et sociales.

Un deuxième travail (Hébert È.-L., 2017) a utilisé une méthode expérimentale

(Grelley, 2012) pour « déceler les effets de la couverture médiatique de la grève
étudiante de 2012 au Québec». Pour ce faire, les chercheurs ont rassemblé 166
étudiants de l'Université du Québec à Montréal, selon une méthode de recrutement
occasionnelle et aléatoire, ce qui mène à des résultats non généralisables à l'ensemble
de la population québécoise (ibid. p. 43). Les raisons d'un tel échantillon sont
essentiellement liées à la méthode utilisée qui ne peut pas être appliquée à des
milliers d'individus sans la mise en place de ressources adéquates (ibid. p. 44).
Chacun des étudiants a dû répondre à deux questionnaires qui visaient à la génération
des données sur les effets du traitement médiatique du printemps érable, ce qui a
constitué le matériel empirique sur lequel l'étude a été menée. Les données ont été
analysées par des modèles de régression linéaire. Les auteurs concluent en confirmant
que l'idéologie de chaque individu de l'échantillon a un effet « direct et significatif
sur [les] trois variables dépendantes : les attitudes, les émotions et la propension à
participer » (ibid. p. 80), et que les principaux changements de position idéologique
ont concerné les étudiants ayant une idéologie de droite ou de centre.

Une autre étude (Dussault-Brodeur, 2015) a analysé le discours afin de dégager les
caractéristiques du débat autour de la notion de « violence » présente pendant la crise
étudiante de 2012. Le corpus est composé d'énoncés prononcés par les autorités
politiques et publiés dans la presse écrite francophone montréalaise. La collecte a été
effectuée avec la base de données Eureka et les sources d'information retenues sont
 67

La Presse, Le Devoir et Le Journal de Montréal. Les articles ont été sélectionnés sur
la base d'un certain nombre de mots clés3 pour la période qui va du 1er février au 1er
novembre 2012 4• Malgré ses limites, les auteurs ont construit un corpus bien orienté
sur la question de recherche qui vise à analyser « le niveau de criminalisation de la
contestation ». En effet, la majorité des mots clés utilisés pour la collecte cible
volontairement le vocabulaire spécifique utilisé pour nommer les « manifestants
violents », ce qui facilite une collecte de données orientée et pertinente. Enfin, selon
le critère de pertinence, les auteurs ont retenu 131 articles pour composer le corpus de
référence. Leur corpus d'étude est constitué seulement des articles contenant des
déclarations des autorités politiques, soit 42 articles. L'étude a décelé la manière à
travers laquelle le discours des autorités politiques sur la violence dans les
manifestations était au service d'une stratégie politique précise. Ce discours menait le
plus souvent à la criminalisation de la grève étudiante et, plus particulièrement, au
refus de reconnaître politiquement le« mouvement qui contestait l'ordre ».

Une autre étude a analysé le traitement du concept de« désobéissance civile» dans la
presse au moyen d'une analyse du discours menée sur un corpus comprenant 176
documents, soit 107 commentaires d'opinion, 46 nouvelles, 9 interviews, 2 enquêtes
sous forme d'interview et 12 analyses. La période de couverture va du 17 février au
16 novembre 2012 et les sources d'information sont les suivantes: La Presse, Le
Devoir et Le Journal de Montréal. L'étude contribue à déceler un élément important
du débat qui a eu lieu lors de la crise étudiante, débat lié à la vision qu_e les différents
acteurs avaient de la démocratie.

3
Mots clés : « grève étudiante » et « ministre », « grève étudiante » et « violence », « grève
étudiante » et « casseurs », « grève étudiante » et « criminels », e! uniquement « criminels ».
4
Les dates ont été choisies de manière approximative afin de couvrir l'entrée et la grève étudiante
pour les différentes associations étudiantes.
 68

Enfin, d'autres types d'étude ont été conduits sur une seule source d'information. Un
exemple en est une étude de cas sur le journal étudiant Montréal Campus, lequel,
selon ses auteurs (Desrochers, 2016) est caractérisé par sa neutralité. Afin de
«mesurer» le niveau de neutralité de ce journal, les auteurs ont regroupé 87 articles
allant du 30 mars 2010, date de l'annonce de la hausse des droits de scolarité,
jusqu'en février 2013, lors du Sommet sur l'enseignement supérieur, point final du
mouvement étudiant.

Toutes ces études démontrent comment l'analyse d'un corpus, par le biais de
différentes méthodes et cadres théoriques, peut répondre à plusieurs types de
questions de recherche. Chacun de ces corpus est orienté sur un objectif de recherche
bien précis et possède des forces et des faiblesses. En général, on remarque la
difficulté à utiliser, dans un cadre de recherche en sciences humaines et sociales, un
corpus de grande taille. En effet, la majorité des corpus présentés ne dépassent pas
les quelques dizaines de documents. Le développement de méthodes d'analyse de
textes assistée par ordinateur peut sans doute contribuer à la réalisation d'analyse de
corpus de plus grande taille, ce qui pourrait mener au renouvellement des méthodes
en sciences humaines et sociales et, comme l'affirme Rastier à plusieurs reprises, ce
qui pourrait ouvrir la porte à la découverte de « nouveaux observables ».
 CHAPITRE II

CADRE THÉORIQUE

Ce chapitre présente en trois parties le cadre théorique de notre étude. La première

partie est dédiée à l'approche sémio-computationnelle qui forme la base sur laquelle
la relation entre l'approche sémiotique et l'approche computationnelle s'édifie. Elle
est constituée de deux éléments. Le premier correspond à la théorie de la
macrostructure qui permet d'avoir une vision globale du texte et de le traiter comme
un produit sémiotique fondé sur le principe de cohérence textuelle soutenu par une
quelconque forme de régularité interne. Le deuxième élément constitue. un cadre
pour l'identification des procédés sémiotiques de nature computable. Un des défis de
la thèse est d'identifier un moyen pour mettre en relation les méthodes d'analyse des
sciences humaines avec celles de l'informatique et de l'analyse de données. Pour ce
faire, il est nécessaire de disposer d'un cadre qui systématise la transformation
d'opérations sémiotiques en opérations formelles et computables.

La deuxième partie de ce cadre présente l'approche sémio-narrative qui met en place

le cadre théorique pour appréhender l'analyse de textes. Cet encadrement dépend des
considérations générales reliées à la théorie des macrostructures. Si cette dernière
offre une vision générale du texte, l'approche sémio-narrative en permet une qui est
spécifique à l'analyse de texte. Enfin, l'approche computationnelle est présentée. Elle
constitue le cadre théorique des outils informatiques utilisés dans ce travail de
recherche.
 70

2.1 L'approche sémio-computationnelle

Nous présentons en premier lieu l'approche qui met en relation la sémiotique et

certaines disciplines qui appartiennent à l'intelligence artificielle. Cette approche
s'inscrit à l'intérieur du troisième axe de recherche de la sémiotique computationnelle,
soit celui qui considère l'ordinateur comme un outil au service de l'analyse des
produits sémiotiques. Une telle approche suppose d'abord deux types de postulats,
l'un sur les dynamiques globales de la production sémiotique et l'autre sur les
processus de son analyse.

Le premier postulat introduit des réflexions générales sur la nature du produit

sémiotique qui est analysé et ce afin d'esquisser un profil adéquat de son
fonctionnement. Dans cette thèse, la théorie des macrostructures constitue le premier
postulat. Les macrostructures régissent les dynamiques de production textuelle et sont
principalement à la base de la compétence textuelle, laquelle permet de produire des
textes cohérents. En d'autres termes, la cohérence est une des propriétés les plus
importantes d'un texte et elle est garantie par l'existence de macrostructures. Ce
dernier concept est approfondi au paragraphe 2.1.1.

Le deuxième postulat esquisse le cadre à partir duquel une analyse de texte assistée
par ordinateur peut être appréhendée. L'assistance informatique est encadrée par un
système qui se base sur le principe suivant : permettre le passage de tâches de
l'analyse sémiotique vers l'ordinateur. Afin de permettre ce passage, le système
conçoit plusieurs niveaux de description d'un phénomène. Lorsque les niveaux sont
cohérents, alors le passage d'une fonction cognitive vers une fonction computable
devient possible. Ce système est approfondi au paragraphe 2.1.2.
 71

2.1.1 Les macrostructures

Le concept de macrostructure retenu dans le présent travail est celui développé par le
linguiste Teun Adrianus van Dijk, un des pères putatifs de l'analyse du discours. La
macrostructure se définit comme une« structure de signification globale d'un texte»
(Kintsch et Van Dijk, 1975, p. 101). Elle possède une nature sémantique:

This means that this kind of notion should be made explicit in semantic terms;
to distinguish them from other kinds of global structures, we talk about
semantic global structures. It is this type of structure that we try to make
explicit in this book in terms of (semantic) macrostructures (Van Dijk, 1980, p.
5)

It is used to account for the various notions of global meaning, such as topic,
theme, or gist. This implies that macrostructures in discourse are semantic
objects. (Van Dijk, 1980, p. 10)

La macrostructure demeure toutefois une notion ambiguë utilisée pour se référer à

différents concepts. Ces derniers partagent un même dénominateur commun, les
renvoyant tous aux notions de« signification globale » et de« structure globale ». En
quelque sorte, la macrostructure organise le sens à un niveau global :

The first function of · macrostructures is to organize complex (micro)-

information. Without them we would only be able to have a large number of
links between information units at the local level and not be able to form larger
chunks that have their proper meaning and function (Van Dijk, 1980, p. 14)

Quelques éléments supplémentaires cernent davantage la nature du concept de

macrostructure, soit la cohérence textuelle, le thème, le cœur informatif et la structure
cognitive et sociale de la représentation de la réalité. Nous allons les décrire.
D'abord, une macrostructure constitue la forme latente qui structure un texte,
garantissant ainsi sa cohérence sémantique.
 72

[ ... ] macrostructures in a theory of discourse are necessary to account for the

intuitive notion of coherence: A discourse is coherent not only at the local level
(e.g., by pairwise connections between sentences) but also at the global level.
Notions such as global meaning, global r~ference, topic, or theme are intimately
related, and macrostructures are needed to make these relations explicit. (V an
Dijk, 1980, p. 10)

La macrostructure organise donc le sens et permet de rendre cohérent le message qui

est construit. Sans la notion de cohérence sémantique, il ne serait pas possible de
distinguer des discours différents :

A particular and important case of this kind of semantic organization is (global)

coherence: Due· to macro structures, discourses, conversations, and action
sequences are planned and understood as coherent wholes and hence as a unit
that may as such be identified and distinguished from other, similar, objects.
Without the macrostructurally formulated notion of coherence, it would not be
possible to distinguish one discourse from a following discourse nor one action
sequence from another action sequence. (Van Dijk, 1980, p. 14)

Le rôle principal de la macrostructure est celui de liaison entre les éléments d'un texte
pour former une structure globale et organisatrice. La macrostructure est une forme
d'organisation textuelle profonde ayant une forte composante sémantique, comme le
dit van Dijk dans le passage suivant : « These macrostructures may be identified with
global semantic representations or deep structures oftexts ». (Van Dijk, 1972, p. 307).
Ainsi, la cohérence textuelle ne peut être que de nature sémantique.

Le lien entre cohérence et sémantique est encore plus évident lorsqu'on associe la
macrostructure à la notion de thème. En effet, la notion théorique de macrostructure
peut être couplée à différentes formes d'organisation sémantique du texte, comme
celle de thème. Dans ce dernier cas, la macrostructure correspond à l'accumulation
isotopique 5
, c'est-à-dire à la répétition régulière et systématique d'éléments

5
Nous nous référons au processus d'accumulation de lexèmes, sèmes ou autres qui forment l'isotopie
dans un texte.
 73

sémantiques qui constituent le thème central d'un texte. Cette répétition est une forme
de révélation d'une macrostructure:

The theoretical term semantic macrostructure was introduced to capture that

important aspect of discourse and discourse processing: It makes explicit the
overall topics or themes of a text and at the same time defines what we could
call the overall coherence of a text as well as its upshot or gist (V an Dijk, 1988b,
p. 13).

. Chez van Dijk, la macrostructure constitue la structure qui donne une forme à la
substance sémantique la plus importante d'un texte. Cette forme est cernée à partir
d'éléments qui sont distribués dans le texte et est souvent associée au concept de
thème et de cohérence textuelle

[... ]the global meaning structures for which notions such as "theme, " "topic,"
or "gist" are used, [ ... ]. (V an Dijk, 1980, p. 6)

Such themes or topics are accounted for theoretically in terms of so-called

. "semantic macrostructures." Thus, a fragment of a discourse or a whole
discourse is considered to be globally coherent if a topic (represented by a
macroproposition) can be derived from such a fragment. (Van Dijk, 1983, p. 25)

Pour résumer, la macrostructure organise la structure sémantique globale d'un text~ et,
sa forme est souvent identifiée par celle du thème. Pour van Dijk, la macrostructure
ainsi définie est également reliée à la vie cognitive de l'être humain et plus
particulièrement, aux aspects cognitifs de la mémorisation et de la compréhension
d'un tèxte. La notion qui met ces aspects cognitifs de l'avant est celle de cœur
informatif d'un texte, c'est-à-dire les informations centrales et cruciales d'un texte,
sans lesquelles la compréhension du texte est compromise, voire impossible. Le cœur
informatif constitue une ressource cognitive de l'être humain qui, pour des raisons
d'économie cognitive, sélectionne ce qui est crucial pour la mémorisation et la
compréhension :
 74

When people talk about such a theme or topic, [ ... ] At the same time these
notions intuitively associate with that of relevance or importance: The point is
the more relevant, important, central, prominent, or crucial aspect of what was
said. (Van Dijk, 1980, p. 5)

The macrostructure thus has to represent what is the major, more relevant, more
general information out of complex information as represented at the more
concrete microlevel. Both the notion of description level and that of
representation level appears to play an important role in discourse, cognition,
and action. (Van Dijk, 1980, p. 13)

Cette notion de prépondérance de l'information ou de cœur informatif possède un

substrat cognitif et social, qui est résumé par l'idée de représentation sociale de la
réalité. Pour van Dijk, l'être humain interprète les textes et les produits sémiotiques
par le biais de conventions sociales qui forment des structures cognitives de
l'expérience et de la connaissance:

Whatever the more specific linguistic or sociological concepts of global

structures may be, we shall assume that they have a cognitive basis. [ ... ] In
other words, our social behavior including our communicative verbal
interaction-is determined by our interpretations and representations of social
"reality." Later chapters show that global structures are the result of very .
fundamental cognitive principles operating in the ways we process this kind of
highly complex information from the social situation. (Van Dijk, 1980, p. 2)

All this has of course important cognitive implications: Complex information

from discourse, episodes, action sequences, etc., may be organized in memory
due to macrostructural information. Without this kind of global organization in
memory, retrieval and hence use of complex information would be unthinkable.
(Van Dijk, 1980, p. 14)

Enfin, le modèle cognitif sur lequel est bâtie la représentation de l'information et de

la connaissance joue un rôle prédominant dans la définition du concept de
macrostructure. En effet, celle-ci présente, des correspondances avec la structure
cognitive de l'être humain, car c'est par le biais des macrostructures que la
communication entre êtres humains peut s'établir en se référant au même cœur
 75

informatif. C'est alors qu'il devient possible de mémoriser et de comprendre les

messages véhiculés. Le lien entre macrostructure et structures cognitives de la
représentation de l'expérience et de la réalité évoque le concept de frame. Formulée à
l'origine dans le gestaltisme à partir des années 1920, la théorie du schéma ou frame
- appelée ainsi surtout après la recherche sur l'intelligence artificielle de Marvin
Minsky - repose sur la conviction que toute notre expérience est basée sur une
comparaison avec un modèle stéréotypé, dérivé d'expériences similaires enregistrées
en mémoire. Ainsi, chaque nouvelle expérience est évaluée sur la base de sa
conformité ou de sa divergence par rapport à unframe précédent (Calabrese, 2014).
Dans ce contexte, l'utilisation d'un frame est une condition cognitive préalable à la
lisibilité de chaque événement vécu par des individus. Ainsi, la compréhension du
texte est rendue possible grâce à une comparaison continue avec les frames qui
constituent l'encyclopédie du lecteur (Eco, 1979). Le même mécanisme se produit,
consciemment ou inconsciemment, lors de la production textuelle. Pour ces
caractéristiques, le frame est complémentaire à la fonction cognitive de la
catégorisation, puisque chaque objet perçu dans le monde (qui est une occurrence) est
rapporté à une catégorie (qui est le type).

La théorie de van Dijk a été appliquée dans différents contextes et sa contribution au

développement de l'analyse de textes représente un élément fondamental pour la
sémiotique (Adam, 2016, p. 8). Le domaine dans lequel elle a été utilisée le plus
fréquemment est celui de l'analyse du discours (Maingueneau, 1979), avec un champ
d'application très large, allant du domaine de la médecine (Bloom et al., 1994), de la
linguistique (Patry et Nespoulous, 1990), des sciences politiques (Le, 2000) à celui du
journalisme et de la communication (Van Dijk, 1983, 1988a, 2008a, 2008b). Cette
théorie a aussi été utilisée dans le domaine du text mining. Certains travaux ont
permis de développer une méthode pour le résumé automatique, en exploitant un
autre aspect de la théorie de van Dijk, soit les macro règles (Aluisio et al., 2008;
 76

Brown et Day, 1983; Lemaire et al., 2005). D'autres travaux l'ont employée pour
l'analyse thématique au moyen des modèles topiques (LSA) (Kintsch, 2002) et de
clustering (Forest, 2006). Enfin, par l'intermédiaire de la perspective développée en
logique (Freeman, 2011, 1991), le concept de macrostructure a été utilisé pour la
fouille des arguments (argument mining) (Peldszus et Stede, 2013).

[Link] Macrostructure et narration

Le concept de macrostructure et de « structure de signification globale d'un texte »

n'était pas nouveau à l'époque où Van Dijk a développé sa théorie. La genèse d'une
telle structure correspond à celle d'une partie de la sémiotique (Fontanille, 2007, p. 1).
Par exemple, la structure textuelle comme un tout globalisant et signifiant a déjà été
décrite par Rastier dans son approche de l'analyse thématique :

Rappelons donc qu'un texte peut être analysé à trois paliers principaux : micro -,
méso -, et macrosémantique, qui correspondent au sémème, au contenu de la
période, et à la structure textuelle (Rastier, 1995, p. 223-249)

Comme chez van Dijk, la définition de thème est ici décrite comme une structure
globale. Le thème se réalise par accumulation isotopique 6 ou, pour utiliser ses termes,
au moyen d'une structure de traits sémantiques (ou sèmes), qui est récurrente dans un
corpus (Rastier, 1996). La différence entre ces deux auteurs est principalement de
nature théorique, car pour Rastier, le thème est un phénomène exclusivement
linguistique alors pour van Dijk, il est aussi cognitif.

D'autres sémioticiens, tels Propp, Bremond et Greimas, ou des linguistes, comme

Labov, ont abordé, directement et indirectement, le concept de macrostructure. Pour
eux, par contre, la macrostructure assume les contours d'une structure de type

6
Nous nous référons au processus d'accumulation de lexèmes, sèines ou autres qui forment
l'isotopie dans un texte
 77

narratif. C'est à cette tradition de la narratologie issue des travaux de la sémiotique

structurale que van Dijk et Rastier sont associés et sans laquelle ces réflexions sur la
macrostructure n'auraient pas pu avoir lieu (Maingueneau, 1979, p. 23). Dans ce
contexte, la macrostructure maintient toujours ses propriétés de « collant textuel»
garantissant la cohérence des textes, mais elle propose aussi une syntaxe de
l'organisation textuelle plus complexe que celle correspondant au concept de thème.

Les trente et une fonctions de Propp, regroupées dans sept sphères d'action,
correspondent à une syntaxe qui détermine un type particulier de récit, soit le conte de
fées russe (Franzosi, 2010, p. 54, 145; Noth, 1995, p. 372). Pour sa part, Bremond
définit un concept de macrostructure dans lequel la morphologie du conte de fées
caractérise la diégèse comme une séquence macrostructurelle unique et invariante.
Pour lui, c'est plutôt la séquence de microstructures invariantes qui forme les
macrostrùctures narratives (Bremond, 1966). Dans la logique des possibles narratifs,
Bremond propose un modèle du récit composé de trois éléments : une situation
initiale qui mène vers une potentialité, l'actualisation de cette potentialité (ou son
contraire, l'absence d'action) et les résultats de cette action (succès ou faillite).
Greimas a développé un métalangage sémiotique qui possède une nature tout à fait
narrative. Deux des principaux modèles de sa théorie, le schéma actanciel et le
schéma narratif canonique, sont des exemples de macrostructure textuelle (Noth,
1995, p. 373). Enfin, Labov propose un modèle cyclique ancré sur les
macrostructures des narrations orales (Noth, 1995, p. 373). Ce dernier modèle est
constitué de six phases qui seront ensuite réutilisées par Van Dijk (V an Dijk, 1980, p.
113) pour la définition de superstructure : le résumé, qui démarre le récit;
l'orientation, qui décrit le contexte de départ; l'intrigue (complicating action) soit la
description de la séquence d'actions; l'évaluation qui met en jeu le narrateur et la
manière dont le récit est présenté, soulignant ainsi les points de vue déployés; la
 78

résolution, qui récapitule les actions et met fin à la séquence narrative; la coda qui
marque idéologiquement le récit, amenant donc un signifié plus profond au récepteur.

Pour résumer, la macrostructure fournit une vision sémantico-cognitive de la

production textuelle qui se base sur la cohérence textuelle et sur une forme
d'organisation latente. La macrostructure est donc un procédé sémiocognitif qui met
en forme la substance signifiante d'un texte. Cette forme peut être interprétée de
manières différentes. L'une est certainement de la considérer comme le procédé de
constitution du thème principal d'un texte. Une autre possibilité est de l'identifier à
une structure syntactico-sémantique plus complexe, qui peut être résumée par le
concept de récit. Ainsi, la structure typique d'un récit correspond à la macrostructure
qui régit la signification d'un texte. La présente thèse adopte cette dernière vision qui
sera explicitée dans la description de l'approche sémiocognitive (cfr. 2.2.4). Toutefois,
le concept de macrostructure peut assumer différentes formes, comme par exemple
_celle de macroproposition (Rastier, 2001b; Ruwet, 2009; Van Dijk, 1980).

Au-delà de la forme qu'on veut donner à la macrostructure, celle-ci révèle toujours

que la production textuelle, ainsi que sa lecture et sa compréhension, sont fondées sur
un phénomène de répétition et de redondance. Ce dernier est un mécanisme de
protection qui préserve le message et l'information des phénomènes de bruit et de
perte d'information lors de son transfert par un canal de l'émetteur au récepteur
(Klinkenberg, 2000, p. 75). Cette redondance se concrétise par une sorte de régularité
interne qui constitue le texte comme produit sémiotique. En effet, sans cette
régularité interne, le texte ne serait pas cohérent et tout autre procédé de signification
serait destiné à échouer. Enfin, la théorie de la macrostructure propose une hypothèse
sur la forme que ce mécanisme de protection prend dans un texte.
 79

2.1.2 Le cadre épistémologique d'intersection entre le modèle computationnel et le

modèle sémiotique

L'utilisation de l'assistance informatique pour l'analyse sémiotique est au cœur du

présent travail. L'intégration de l'informatique à l'analyse sémiotique doit être
encadrée par un système cohérent qui tient compte des spécificités de l'analyse
sémiotique et de celles de l'informatique. En d'autres termes, l'utilisation de
l'informatique en sémiotique oblige à s'interroger sur le type d'assistance possible et
sur la manière de la mettre en place. Dans cette thèse, ces réflexions sont guidées par
un principe de base : identifier à l'intérieur des pratiques d'analyse sémiotique les
tâches qui peuvent être assistées ou carrément exécutées par un ordinateur.

Suivre un tel principe correspond à identifier un cadre épistémologique pour le

transfert d'une opération de la sémiotique à l'informatique. Dans le cas de cette thèse,
ce cadre doit permettre une rencontre entre sémiotique et informatique et ceci,
spécifiquement pour l'analyse de texte. Le cadre identifié et que nous prenons en
compte a été proposé pour la définition des pratiques en humanités numériques
(Meunier, 2019a). Celui-ci est composé de quatre modèles, ces derniers const~tuant
des moyens différents pour « expliquer la nature d'une théorie scientifique » :

Tout projet de recherche qui en appellera à l'informatique ne sera une démarche

scientifique que s'il construit une théorie qui contient au moins ces quatre
différents types de modèles à savoir :
a) Un modèle conceptuel qui identifie les propriétés (features) et les
relations des objets d'étude selon des points de vue spécifiques et qui les
exprime dans une langue naturelle.
b) Un modèle formel qui identifie dans l'objet de recherche une
structuration de ces propriétés et de ces relations en les exprimant formellement
(mathématique, logique, etc.). Certaines de ces relations seront plus
intéressantes· que d'autres, les relations de -dépendances fonctionnelles par
exemple.
 80

c) Un modèle computationnel traduira les relations fonctionnelles

récursives en fonctions computables, c'est-à-dire en un langage algorithmique.
d) Un modèle physique construira une architecture matérielle
(électronique, mécanique, etc.) qui permettra de computer effectivement les
modèles formels et computationnels. (Jean-Guy Meunier, 2019a, p. 6)

Un phénomène est donc décrit par ces quatre modèles. Par exemple, il est possible de
définir le jeu d'échecs d'abord comme une bataille médiévale (modèle conceptuel),
deuxièmement comme un ensemble de règles (modèle formel), ensuite comme un
système de fonctions computables (modèle computationnel) et enfin comme un
plateau et des pièces de jeu, par exemple un échiquier en bois (modèle physique).

Ce système permet d'élaborer un cadre pour le transfert d'une opération sémiotique

vers une opération computable. Lors de son application à la pratique de l'analyse de
textes, il met en place quatre étapes à suivre:

1- Décrire une tâche ou une étape de l'analyse sémiotique de texte. Par exemple,
décrire la valeur de l'identification de textes similaires.
2- Structurer formellement cette étape, ce qui implique de décrire formellement
la tâche d'identification de textes similaires.
3- Identifier les fonctions computables qui rendent opérationnel le modèle
formel. Par exemple, identifier la fonction qui permet d'établir le degré de
similarité entre deux textes.
4- Identifier l'implémentation physique nécessaire pour la computation. Par
exemple, un ordinateur ou un autre calculateur.

Lorsqu'une tâche de l'analyse sémiotique peut être décrite par les quatre modèles,
elle est exécutable par une machine. Par contre, seule une tâche simple pourrait être
décrite par les quatre étapes. Par exemple, la tâche de lecture d'un texte est trop
complexe pour être décrite d'un point de vue formel. En effet, la «lecture» est une
opération cognitive complexe, et cette opération deyra être décomposée en tâches
plus petites. L'assistance informatique force ainsi la sémiotique à décomposer sa
 81

pratique d'analyse en étapes ou tâches plus petites et à se questionner sur la valeur

cognitive de chacune d'elles. Cette décomposition exécutée en amont facilite ensuite
le transfert d'une opération simple du modèle conceptuel au modèle computable et
physique.

Il se dessine donc une interaction entre un modèle conceptuel, son substrat cognitir et
une représentation formelle de celui-ci. En d'autres termes, chaque tâche ou
opération de l'analyse de texte correspond à une opération cognitive et certaines
d'entre elles peuvent faire l'objet d'une représentation formelle. Illustrons ce
. mécanisme par un exemple. La loi de Zipf(Zipf, 1949) est une loi empirique qui a été
formalisée par le linguiste Zipf en observant la fréquence des mots dans un ensemble
de textes. Elle décrit un phénomène linguistique au moyen d'une loi mathématique et
statistique. Cette loi qui décrit la relation entre la fréquence d'apparition d'un mot et
son rang à l'intérieur de l'ensemble de texte sur lesquels la fréquence a été calculée.
Cette relation montre que la fréquence dépend du rang du mot et que cette fréquence
diminue sensiblement en même temps que la diminution de son rang, ce qui implique
que les mots très fréquents sont peu nombreux alors que les mots les moins fréquents
sont très nombreux.

De plus, cette loi comporte une hypothèse explicative de type cognitif. Les éléments
cognitifs qui déterminent ce phénomène sont liés, d'une part, aux ressources limitées
de l'être humain relativement à la mémoire et à la capacité d'attention (Simone, 2005,
p. 83) et, d'autre part, au principe du moindre effort, ce qui constitue la thèse même
de Zipf (Zipf, 1949, p. 19). Cette relation a été étudiée par plusieurs disciplines du
langage et ce, depuis les années 50. Shannon, par exemple, propose :

7
Le modèle décrit par Meunier (2019) a été simplifié, mais il est opportun de rappeler que le
substrat cognitif est accompagné par d'autres dimensions, comme celles sociale, linguistique,
politiques, etc.
 82

d'utiliser les analyses statistiques de Zipf à des fins linguistiques. Se fondant

sur l'idée de la redondance de la langue anglaise, il montre qu'il est possible de
calculer l'entropie d'une langue à partir d'études statistiques sur la fréquence
avec laquelle les éléments constitutifs d'une phrase sont sélectionnés (Léon,
2008, p. 943).

Si on tient compte du système décrit précédemment, la loi de Zipf peut être décrite
par les différents modèles. Cette loi possède ainsi une description conceptuelle et
sémiotique, qui est liée à la redondance de ! 'information observée dans les
phénomènes linguistiques (Simone, 2005). La redondance de l'information est un
mécanisme de protection des procédés sémiotiques qui garantit le transfert de
l'information (Klinkenberg, 2000, p. 75). Alors, le fait que peu de mots sont très
fréquents et que beaucoup de mots sont peu fréquents coïncide avec le principe de
redondance et d'économie des ressources. En d'autres termes, on peut dire que la loi
de Zipf est un indice du phénomène de redondance des langues naturelles. Cette
description conceptuelle est formalisée par la formule mathématique suivante :
f *r = C, où f est la fréquence et r le rang. Ainsi, la loi de Zipf formalisée spécifie
que la fréquence d'un mot est inversement proportionnelle à son rang dans la liste des
mots qui font partie d'un corpus. Cette formule est représentée par la courbe de la
figure 2.1.
 83

1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0. 1
0
0 20 40 60 80 100

Figure 2.1 Loi de Zipf. L'axe des y correspond à la fréquence du mot; l'axe des x
correspond rang du mot

Nous avons donc là un exemple de modélisation formelle qui démontre comment on

peut passer du cognitif à une fonction « computable ».

2.2 Le paradigme sémio-narratif

L'analyse de texte est un des principaux objets de recherche de la sémiotique. En

particulier, la sémiotique textuelle, qui est née au sein de l'école de Paris, présente
des caractéristiques spécifiques qui constituent l'approche sémiotique adoptée par la
thèse. Une de ses caractéristiques est de considérer le texte comme l'objet privilégié
de 1'étude sémiotique (Volli, 2014). Le texte est ainsi le matériel à partir duquel la
sémiotique développe son métalangage descriptif. L'analyse sémiotique doit alors
être immanente, c'est-à-dire que les conditions internes de la signification sont
suffisantes pour l'analyse du texte (Fontanille, 2005, 2006). Le débat sémiotique sur
les limites de l'analyse immanente, en dépit de l'utilisation d'aspects extratextuels
pour sa compréhension, n'est pas pertinent dans le cadre de cette thèse qui présente
une méthode qui ne peut pas opérer sans le principe d'immanence.
 84

Un autre principe important pour la présente thèse est celui qui est à la base de la
sémiotique structuraliste: « il n'y a de sens que par et dans la différence » (Groupe
d'Entrevemes, 1984). Ceci implique que les conditions de signification du texte sont
reliées par l'idée que le système qui les soutient est un « système structuré de
relations». Les éléments qui composent ce système se distinguent par des relations
d'opposition, de complémentarité ou d'autres types, chacune ne faisant que souligner
les différences entre ces éléments. Cet aspect définit les procédés de signification
d'un texte puisque « les éléments d'un texte ne tiennent leur signification et ne
peuvent être reconnus signifiants que par le jeu des relations qu'ils entretiennent »
(ibid). Enfin, dans ce contexte, l'analyse de texte vise à dégager les dynamiques
sémiotiques qui organisent le contenu du texte.

Le texte est ainsi le « résultat d'un dispositif structuré de règles et de relations » où le

métalangage de Greimas constitue une approche sémiotique pertinente. Dans ses
travaux, les produits sémiotiques sont considérés des objets qui se construisent à
travers des dynamiques se situant à plusieurs niveaux. En particulier, l'analyse du
texte doit distinguer le niveau superficiel, où sont situées les composantes narratives
et discursives, et le niveau profond, où d'autres relations et opérations organisent le
sens « profond » d'un produit sémiotique.

En raison de la problématique décrite dans le chapitre précédent et de l'approche

sémiocomputationelle adoptée (cfr. 2.1), la composante narrative est le seul niveau
d'analyse qui est pris en considération dans ce travail. En effet, l'analyse de la
composante narrative correspond à l'identification de la macrostructure qui régit le
texte, ce qui répond aux attentes posées par la question de recherche de ce travail. La
narrativité est considérée comme une des propriétés principales de l'organisation du
sens et ceci vaut aussi pour le texte journalistique (Lorusso et Violi, 2004), qui
constitue notre matériel empirique de la thèse. L'analyse de la composante narrative
 85

consiste dans l'étude d'éléments qui organisent le contenu du texte à travers des
dispositifs suivant une logique de type narratif. Par exemple, un texte peut être
analysé comme une succession d'états et de transformations dans lesquels des
personnages agissent. Cette structure est analysée à travers un métalangage spécifique
qui décrit le fonctionnement des dispositifs de la narration.

Ce type de métalangage permet de construire un cadre pour l'analyse du contenu du

texte. Décrire le contenu d'un article de journal correspond ainsi à l'opération
d'identification des éléments narratifs qui sont en jeu, par exemple la présence d'un
« héros », ou d'un « antihéros », de l' « objet de valeur » et d' « actions » accomplies
et des «plans» narratifs recherchés. Même si le journaliste ne se réfère pas
consciemment à un modèle narratif pendant la rédaction, celui-ci constitue une des
modalités cognitives les plus importantes qui régissent le travail d'écriture d'un texte
journalistique. La narrativité est donc une structure sous-jacente à la vie cognitivo-
sémiotique de l'être humain et elle laisse ses traces au niveau de l'organisation
superficielle du texte. En d'autres termes, cette structure sous-jacente coïncide avec la
régularité interne d'un texte, cette dernière prenant une forme spécifique, celle de la
narration.

En sémiotique, la littérature traitant de la narrativité est très abondante. Des auteurs

tels que Propp, Barthes, Genette, Ricœur, Todorov, Greimas, Bremond, Eco et
Kristeva ont procédé à une réflexion sur les structures narratives de textes littéraires.
Notre travail s'appuie sur cette tradition et adopte un cadre prédéfini, qui est celui
établi par Greimas dans Le sens (Greimas, 1983) et dans Sémiotique. Dictionnaire
raisonné de la théorie du langage (Greimas et Courtés, 1979). Un approfondissement
de certains de ces modèles est effectué dans les travaux de Hébert (2016), ce qui a
permis de combler certaines de leurs lacunes. Ces améliorations sont également prises
 86

en considération dans ce travail. Dans les prochains paragraphes, le métalangage

spécifique utilisé pour l'analyse sémiotique est présenté.

Ces choix sont motivés par les points suivants. D'abord, Greimas fonde son approche
sémiotique sur la notion de texte comme une réalité empirique contenant ses
conditions de production. Dans ce travail, le texte est le seul matériel pris en
considération pour l'analyse de contenu. Deuxièmement, Greimas développe un
métalangage sémiotique formel pour la description des sémiotiques-objets 8 • Le
développement d'une méthode assistée par ordinateur est facilité par un modèle
sémiotique de type formel, car les outils computationnels nécessitent un ancrage
formel pour exécuter des tâches sémiotiques. L'aspect computationnel de l'analyse
doit ainsi nécessairement passer par une représentation formelle des dynamiques
sémiotiques. Troisièmement, Greimas offre un modèle narratif qui se détache de plus
en plus du genre littéraire et narratif pour construire une syntaxe générale du discours
qui peut aussi être appliquée à l'analyse des textes non narratifs (Bertrand D., 2000).
L'approche sémiotique choisie doit pouvoir être appliquée aux textes journalistiques.
Enfin, certains de ces modèles, comme le schéma actantiel, sont très simples et
intuitifs, facilitant ainsi leur utilisation dans un contexte computationnel. En raison de
l'aspect expérimental du modèle développé, il serait très difficile d'implémenter ou
d'explorer les données textuelles au moyen d'un outil trop complexe.

2.2.1 Le parcours génératif du sens : un métalangage formel

À partir de ses études de sémantique jusqu'au dictionnaire, Greimas a su interpréter le

structuralisme et le formalisme des années 1920 grâce à une clé tout à fait nouvelle
pour l'époque. Son projet de recherche initial était d'identifier une structure
universelle valide pour chaque processus de sémiosis. La base de son projet était la

8
Systèmes sémiotiques qui sont décrits par des métalangages sémiotiques (Barthes, 1964).
 87

construction d'une sémiotique formelle, qui aurait pu « dire quelque chose sensé sur
le sens » (Magli et Pozzato, 1985, p. I) et décrire les modalités de sa manifestation et
de sa transformation. Son œuvre a été influencée par plusieurs structuralistes comme
Lévi-Strauss, Dumézil, Propp et Hjelmslev. En contre-partie, son travail a aussi
influencé plusieurs générations de sémioticiens, pour lesquels traiter de narrativité
signifiait appliquer ou continuer à développer le modèle du parcours génératif du
sens, ce qui a constitué un des objets d'études les plus importants de Greimas.

À plusieurs reprises, la communauté de sémioticiens a considéré le projet du parcours

du sens comme trop ambitieux. Toutefois, le métalangage sémiotique de Greimas a
été le dénominateur commun de plusieurs courants de pensée en sémiotique. Son
succès est probablement dû au fait que sa sémiotique offre un ensemble de concepts
inter-définis qui constitue une théorie du sens et une méthodologie d'analyse
cohérente, même si elles sont incomplètes. Ses outils ont été et sont toujours utilisés
dans plusieurs domaines de recherche et plusieurs champs d'application, du
marketing à l'analyse littéraire. Cet ensemble de concepts est un métalangage et il
représente son véritable projet sémiotique :

L'homme vit dans un monde signifiant. Pour lui, le problème du sens ne se

pose pas, le sens est posé, il s'impose comme une évidence, comme un
« sentiment de comprendre » tout naturel. Dans un univers « blanc.» où le
langage serait pure dénotation des choses et des gestes, il ne serait pas possible
de s'interroger sur le sens: toute interrogation est métalinguistique. [ ... ] La
signification n'est donc que cette transposition d'un niveau de langage dans un
autre, d'un langage dans un langage différent, et le sens n'est que cette
possibilité de transcodage. [ ... ] La transcription sémiotique de la signification
est, par conséquent, la construction d'un langage artificiel adéquat (Greimas,
1970, p. 12-14)

Cet extrait illustre bien la nécessité d'un métalangage pour la description des
phénomènes sémiotiques. Pour. décrire les « faits sémiotiques », c'est-à-dire les
systèmes et les processus de la signification, il est nécessaire de formuler une
 88

sémiotique comme métalangage. Le « sens » est quelque chose qui apparaît dans le
langage et qui doit être décrit par le même langage que celui où il apparaît. Ainsi, la
nécessité de s'outiller de concepts inter-définis permettant la description des « faits
sémiotique » émerge. La sémiotique-objet doit donc être décrite par une sémiotique-
métalangage ou une méta-sémiotique.

Pour Greimas, la méta-sémiotique ne peut qu'être un métalangage formel. Pourquoi?

Parce que les intentions de Greimas sont de dégager des dispositifs qui généralisent
des processus sémiotiques. Le projet d'une sémiotique formelle est un projet de
sémiotique universelle qui veut décrire les mécanismes généraux de production du
sens. Pour ce faire, Greimas postule la nécessité de disposer d'une sémiotique
formelle, car elle possède des propriétés de récursivité et de reproductibilité
(Galofaro, 2013). En d'autres termes, un dispositif explicatif des procédés généraux
· de production du sens est un dispositif qui fonctionne dans plusieurs « faits
sémiotiques» différents. Pour l'obtenir, Greimas propose un métalangage de nature
formelle 9 • Le débat sur la nécessité de disposer d'une telle sémiotique-métalangage a
été tenu à plusieurs reprises (Fossali et al., 2013) et il n'est pas pertinent de le
reprendre.

2.2.2 Les structures sémio-narratives

Le parcours génératif du sens est un système syntactico-sémantique organisé en

niveaux de profondeur que Greimas fait correspondre à un mécanisme de génération
du sens (Traini, 2013, p. 55). L'objet principal de la théorie sémiotique de Greimas
·est la détermination des conditions de production et de compréhension du sens
(Greimas, 1983). Ainsi, la théorie de Greimas tente de définir le sens à travers la
description de ce processus de production. Dans ce contexte, les sémiotiques-objets

9
Pour compléter ce raisonnement par une analogie, voir la définition du concept d'algorithme dans
l'introduction du présent travail et dans Greimas et Courtes (1979, p.12).
 89

sont constituées par des niveaux différents. Ces niveaux sont reliés entre eux par des
règles de conversion q~i construisent la signification, du niveau le plus profond au
plus superficiel. Le principe théorique de Greimas est la « simulation » du_ chemin
que le sens parcourt pour se construire, niveau après niveau. La manifestation du sens
dans les langues ou tout autre système de signes est donc observée grâce à une
hypothèse sur sa constitution. Le « parcours » de Greimas est ainsi génératif parce
qu'il propose une théorie sur la génération du sens. En effet, Greimas« simule » son
parcours de génération, qui est déclenché par l'apparition d'éléments logico-
sémantiques élémentaires se situant au niveau profond, lesquels sont ensuite convertis
en éléments syntaxico-sémantiques à un niveau plus superficiel, aboutissant enfin au
niveau discursif à travers les mécanismes de l'énonciation. En d'autres termes, le
niveau profond est l'endroit où la substance et la forme primordiale du sens
apparaissent et elles possèdent une nature logico-sémantique. Les niveaux plus
superficiels transforment la forme élémentaire du sens vers des formes plus
complexes, jusqu'à sa mise en forme définitive au niveau discursif.

Le « parcours » de Greimas découle de la théorie du signe de Hjelmslev. Sa

sémiotique est ainsi articulée dans un plan du contenu et un plan de l'expression, où
la substance de la matière signifiante est organisée par la forme de l'expression et
celle du contenu. En d'autres termes, il existe un plan du contenu où les aspects
sémantiques se condensent et un plan de l'expression où les formes expressives
s'organisent pour véhiculer des éléments du plan du contenu. Par exemple, dans le
cas des langues naturelles, le signifié d'un mot est véhiculé par une séquence de
syllabes. Le «parcours» prévoit ainsi des dispositifs d'organisation et de
structuration du contenu et un niveau discursif dominé par l'acte d'énonciation.
Toutefois, les travaux de Greimas accordent plus d'attention aux processus qm
organisent le plan du contenu.
 90

Tel que déjà mentionné, le « parcours » est composé de plusieurs n,iveaux, de

l'élémentaire et profond aux plus complexes et superficiels. Chaque niveau contient
une composante syntaxique et une composante sémantique (figure 2.2). Les
dispositifs qui sont au cœur du « parcours » se caractérisent par des propriétés de
type narratif. Considérer les structures narratives comme des dispositifs généraux de
la vie cognitive de l'être humain et donc de sa production sémiotique constitue une
hypothèse forte de Greimas. Cet élément sera approfondi au point 2.1.3 et il est le
point de départ des expérimentations et de la structure argumentative de la thèse.

Ainsi, les niveaux du « parcours génératif» peuvent être répartis en deux catégories,
soit les structures sémio-narratives, les structures les plus profondes et les structures
discursives, qui sont les plus superficielles. Les structures semio-narratives
constituent deux niveaux, soit le niveau profond, où sont situées la syntaxe et la
sémantique fondamentale, et le niveau superficiel, où la syntaxe narrative de surface
et la sémantique narrative opèrent. Les structures discursives constituent le dernier
niveau, lequel est responsable de l'accomplissement de la dernière étape du
« parcours du sens» c'est-à-dire la mise en forme et l'instanciation discursive des
structures syntaxiques et sémantiques construites auparavant. À l'origine de ce niveau,
se situe un véritable un acte d'énonciation. Ainsi, il est possible de retrouver dans le
texte les marques des différents processus énonciatifs, soit l' actorisation, la
temporalisation, la spatialisation, la thématisation et lafigurativisation.
 91

PARCOURS GÉNÉRATIF

compo&ante aynta1tlque composante sémantique

SYNTAXE
niveau profond SÉMANTIQUE FONDAMENTALE
Structures FONDAMENTALE
sémio-
narratives niveau de SYNTAXE NARRATIVE
SÉMANTIQUE NARRATIVE
fiurface DE SURFACE

SYNTAXE DISCURSIVE SÉMANTIQUE DISCURSIVE

Oiscursivisatkm Thèmalisali-Oo
Structures
discursives actorlsati~ /
tcmporalisation Figurativisation
spatialisa li-On

Figure 2.2 Le parcours génératif du sens 10

Les structures sémio-narratives constituent le cœur de la théorie de Greimas. La

syntaxe fondamentale qui en fait partie correspond au carré sémiotique, organisant et
structurant une catégorie sémantique. Le principe de base du carré correspond à un
des principes les plus importants du structuralisme instauré par Saussure, c'est-à-dire
l'affirmation que quelque chose signifie, car elle fait partie d'un système de relations.
Le carré sémiotique reprend les relations établies par le carré logique d'Aristote qui
définissent les oppositions logiques des propositions li. Par exemple, ainsi, la notion
de blanc, existe par l'articulation de trois relations d'opposition. La première est la
relation de contradiction, qui oppose le blanc au non-blanc. La deuxième est la

10
Cette image est inspirée à celle proposée par Patrizia Magli et Maria Pia Pozzato dans l'avant-
propos de la traductione italienne de Le sens 2 de Greimas (Magli et Pozzato, 1985, p. IV).

li Le carré logique exprime les quatre modalités fondamentales d'une proposition, lesquelles
entretiennent des relations logiques. Ce sont les suivantes : l'universelle affirmative (ex. « Tous
les x sont P »), l'universelle négative (ex. « Aucun x n'est P »), qui est contraire à la première
proposition, la particulière affirmative (ex.« Quelques x sont P »), qui est subalterne par rapport
à la première proposition et contradictoire par rapport à la deuxième, et la particulière négative
(ex. « Quelques x ne sont pas P »), qui est contradictoire par rapport la première, subalterne par
rapport à la deuxième et subcontraire par rapport à la troisième.
 92

relation de contrariété qui oppose le blanc au noir. Ensuite la relation de

complémentarité, qui oppose le non-blanc au noir (figure 2.3). Le carré sémiotique a
donc une composante syntaxique, constituée par les relations logiques, et une
composante sémantique, constituée par la catégorie sémantique qui est définie par ces
relations.

, ._ / NOIR

!
-e~Relationdecontrarieté ~
ïO
g.
..... ,

ê.
jil , . , .···· ·.
_

0
0

s
l8 ¾~c
_· ' ]8
::: / ._ , . _.· <Î%1.'o·;-, _· ,•

QÎ[:J ' ', j ~-

.....0 .
,

. .
0

NON- NON-
i NOIR ....... Relationdecontrnrieté ~ BLANC
s-

Figure 2.3 Carré sémiotique

En principe, chaque élément percevable comme signifiant dans un texte entreprend

son parcours de constitution en donnant lieu à un élément sémantique qui est inséré
dans un système de relations de contrariété, de contradiction et de complémentarité.
Le sens se détermine dans ce système de différences et d'oppositions. L'étape
suivante mène à la transformation de ces éléments dans un système de relations plus
complexes qui se base sur une logique de type narratif. Ces relations sont définies par
le schéma actantiel et par le schéma narratif canonique, ce qui constitue la syntaxe
narrative de surface.

À la base de ces deux schémas se situe un processus sémiotique élémentaire, c'est-à-

dire la constitution de l'axe sujet - objet (Greimas, 1973b). Cet axe est le cœur des
structures sémio-narratives, car il représente le programme narratif d'un sujet qui
veut se joindre à l'objet, ce dernier ayant une valeur pour le sujet. Pour cette raison,
 93

cet axe est appelé l'axe du vouloir. Il est composé des énoncés élémentaires, qui sont
les énoncés de faire et les énoncés d'état. Les premiers déterminent la fonction de
transformation, qui est responsable du passage d'un état à l'autre, et les deuxièmes
déterminent la fonction de jonction (ou disjonction), qui décrit un état. Le programme
narratif est basé sur la transformation d'un état de disjonction à un état de jonction,
puisque l'actant-sujet planifie de se joindre à l'objet de valeur. Le programme narratif
peut être inversé lorsque l'actant-sujet programme une disjonction. La formule du
programme narratif est alors la suivante :

PN = S1 (S2 n 0) (2.1)

ïPN = S1 (S2 U O) (2.2)

L'énoncé de faire est un prédicat modal lorsqu'il a comme objet un énoncé d'état, car
il s'agit d'un énoncé qui en modélise un autre. Le terme entre parenthèses de la
formule (2.1) est l'énoncé d'état S2 n 0, qui est transformé par le sujet S 1• La formule
(2.2) indique son contraire, définissant ainsi l' antisujet S2 (formule (2.3)) :

PN u ïPN = S1 U On S2 (2.3)

Ces formules peuvent être décrites de manière plus détaillée en explicitant le passage
d'état déterminé par l'énoncé de faire. Par exemple, pour la formule (2.1):

PN = F{S1 [(S2 U 0) (S2 n 0)]} (2.4)

Dans la formule (2.4), F représente la fonction de transformation qui est à la base de

ce changement d'état. L'énoncé de faire représente l'acte qui produit un état ce qui,
en termes de modalité, peut être décrit par la jonction de faire et être, c'est-à-dire,
faire-être. Les deux termes entre parenthèses sont deux énoncés d'état, le premier
 94

étant l'état initial de disjonction et le deuxième, l'état final produit par la fonction de
transformation qui représente un état de jonction. Cette modélisation du faire-être
responsable de la transformation d'un état, constitue le programme narratif. À
l'intérieur d'un texte, les programmes narratifs peuvent s'articuler de manière
complexe et établir une hiérarchie ou un réseau. En effet, plusieurs programmes
narratifs peuvent habiter un texte et être parallèles, opposés, complémentaires,
superposés, emboîtés, etc.

Le programme narratif constitue le cœur de la syntaxe narrative greimasienne (Magli

et Pozzato, 1985, p. XVIII - IX) et correspond à un « épisode » fondamental de tout
récit, soit la réalisation du sujet. Dans 1~ syntaxe de Greimas, cet « épisode »
correspond à la performance du schéma narratif canonique. Ce dernier constitue une
syntaxe narrative qui organise le parcours narratif du sujet. Il est composé de quatre
séquences. La performance est le moment du faire-être et donc de la transformation
d'un état de disjonction ou de jonction. Ainsi, le sujet réalise un acte qui le mène à la
jonction ou à la disjonction avec un objet de valeur. La réalisation du sujet ou
performance n'est qu'un des« épisodes» fondamentaux de tout récit. Les autres sont
la qualification du sujet, où celui-ci obtient les qualités ou les compétences
nécessaires pour accomplir son acte de jonction ou disjonction, ainsi que la
reconnaissance qui est le moment où ses actions sont évaluées. Enfin, la
manipulation représente la structure modale du « faire-faire » et c'est le moment où
l'actant-destinateur motive l'actant-sujet dans la réalisation de son programme narratif.
Ainsi, le récit s'articule en quatre séquences autonomes qui sont la manipulation, la
compétence, la performance et la sanction.
 95

[Manipulation]• 1 Sanction l
"
r 1 ,

. Action ,.,
[PN = F{S 1 (S2fl0)}
• 1 · ~ +
1Compétence j•
Figure 2.4 Le schéma narratif canonique.

Greimas ne considère pas ces séquences dans leur dimension temporelle, mais plutôt
dans leur dimension logique. Il ne s'intéresse donc pas à l'ordre d' apparition mais à la
présupposition logique entre ces éléments. Par conséquent, la performance
présuppose la compétence, car le sujet obtient sa «qualification», c' est-à-dire les
compétences pour agir, avant d'accomplir l'acte. Parallèlement, la sanction
présuppose la performance car l'acte ne peut être «évalué» qu'après avoir été
accompli. Enfin, la manipulation est présupposée à tout autre segment, car elle motive
l'existence du sujet autour duquel le récit se construit.

Ces séquences qui fondent tout récit organisent des actants, lesquels relèvent de la
syntaxe narrative visualisée par le schéma actantiel, et des acteurs, qui sont
reconnaissables « dans le discours particulier où ils se trouvent manifestés » (Greimas,
1973a, p. 161). Par exemple, l'énoncé « Jean possède un pot plein d'écus d'or» est
constitué d'un actant-sujet et d' un actant-objet. Ce dernier exprime la valeur
sémantique de la richesse qui est associée au sujet et il est analysable à plusieurs
mveaux:

l - Niveau syntaxique : Actant : objet

2- Niveau sémantique: Valeur: sème richesse
3- Mode de manifestation : Acteur: objet figuratif« pot plein d' écus »
 96

L'exemple ci-dessus, qui a été présenté par Greimas (1973b, p. 17), illustre que le
sème de la « richesse » a un rôle syntaxique à l'intérieur de l'énoncé, soit celui
d'objet de valeur, et une manifestation figurative, soit la séquence de mots« pot plein
d'écus». Cette structure pourrait avoir un acteur différent, c'est-à-dire une
manifestation figurative différente, mais conserver la même configuration d'actant et
de valeur sémantique, comme dans le cas de l'énoncé « Jean a une grande fortune».
Cette dernière phrase a la même valeur sémantique que la première phrase, mais une
manifestation figurative différente. Ainsi, la relation entre actant et acteur n'est pas
nécessairement simple car elle peut être multiple. Ainsi, un actant peut être manifesté
par plusieurs acteurs. Ce phénomène est appelé syncrétisme actantiel (Hébert, 2016,
p.132). Le phénomène inverse est également possible. Ainsi, on appelle syncrétisme
actoriel la relation entre un actant et plusieurs acteurs. Un exemple de ce phénomène
est constitué par ces deux phrases, où l'actant-objet avec la valeur sémantique de la
richesse est exprimé par deux manifestations figuratives différentes, soit le « pot plein
d'écus» et« la fortune».

Comme pour l'actant-objet, les autres actants du schéma actantiel représentent les
rôles narratifs généraux qui sont organisés par les séquences narratives du schéma
narratif canonique. Ils possèdent une fonction syntaxique et leurs relations sont
représentées par le schéma actantiel (figure 2.5), où les trois axes qui le composent
sont illustrés, soit l'axe du vouloir, l'axe du pouvoir et l'axe de la transmission.

Commençons par décrire l'axe du vouloir, qui correspond à la performance. Cet axe
articule l'actant-sujet et l'actant-objet de valeur. Il constitue le programme narratif.
En raison de la relation paradigmatique de contrariété, tout programme narratif a un
contraire. Ainsi, l'actant-sujet a également son contraire, qui est l' antisujet, lequel est
également organisé par l'axe du vouloir, mais avec des composantes inversées. L'axe
du pouvoir correspond à la compétence et articule l'actant-adjuvant et l'actant-
 97

opposant en relation avec l' actant-sujet. Ces actants influencent les actions du sujet,
car ce sont les opposants qui nuisent à la réalisation de la jonction du sujet alors que
les adjuvants la soutiennent en fournissant des compétences (Hébert, 2016, p. 131 ).
Enfin, l'axe de la transmission correspond à la manipulation ainsi qu'à la sanction et
il articule l'actant-destinateur, celui qui demande la jonction au sujet; et l'actant-
destinataire, celui pour lequel l'acte est accompli. Dans ce cadre, l'axe du vouloir
assume une fonction prépondérante à l' intérieur des structures sémio-narratives,
comme l '-est aussi le rôle de la performance du schéma narratif canonique.

Objet

•
(objectif)

1
1
1
Quête
"=;(
1

l
.,.µ .. ··· .... L.
AdJù'!ant Sujet Oppqsant
i

1
i
i
;___ (aidant) 1 (héros) \
\::..
(advèrsàire)

Figure 2.5 Schéma actantiel

Dans cette recherche, nous retenons de ce modèle la syntaxe narrative de surface

(figure 2.2) puisqu' elle rassemble les dispositifs d'analyse les plus appropriés pour
l'analyse de la composante narrative du texte (cfr. 2.2.3). À l'intérieur du parcours
génératif, cette portion du modèle se situe à un niveau intermédiaire, entre celui plus
profond constitué par le carré sémiotique et celui de surface, où sont situés les
processus de discursivisation.
 98

2.2.3 L'analyse du texte au moyen du schéma actantiel

Le modèle actantiel se définit comme « un dispositif permettant, en pnnc1pe,

d'analyser toute action réelle ou thématisée» (Hébert, 2016, p. 131). L'analyse au
moyen de cet outil consiste donc à classer les manifestations figuratives percevables
dans le texte (acteurs) dans les catégories actantielles déterminées par le modèle.
Dans l'axe du vouloir se trouve un processus de jonction (ou de disjonction) entre un
sujet et un objet de valeur. L'exemple classique est celui du prince qui veut sauver la
princesse. L'axe du pouvoir identifie les adjuvants ~t les opposants, lesquels
influencent positivement ou négativement le programme narratif du texte analysé. Par
exemple, l'épée, un cheval ou le courage peuvent être des adjuvants pour le prince et,
inversement, la sorcière, le dragon ou la peur peuvent tenir le rôle d'opposant. Enfin,
c'est dans l'axe de la transmission qu'un destinateur, en s'adressant à un destinataire,
investit le sujet d'une mission à accomplir. Par exemple, le roi envoie le prince sauver
la princesse. Cette action est ensuite évaluée par le destinateur/destinataire, qui peut-
être le roi lui-même qui a déclenché l'action, ou un autre acteur qualifié à le faire.

Les acteurs impliqués dans le schéma peuvent être des personnages, donc des acteurs
anthropomorphes, comme c'est le cas du prince, de la princesse et du roi. Toutefois,
des acteurs non anthropomorphes existent aussi, tels l'épée, le courage et le mauvais
sort. Ils tiennent tous un rôle actantiel, sans pour autant être des personnages (Hébert,
2016, p. 34).

Ce modèle a été largement critiqué et amélioré. En général, les modifications ont

ajouté du raffinement au modèle qui, dans sa version originale, tend à généraliser et
simplifier fonctions et rôles actantiels qui ne peuvent appartenir qu'à une même
classe. L'ambiguïté entre sujet, destinateur et destinataire en constitue un exemple.
Ces actants, si l'on ne distingue pas leurs différentes fonctions, risquent de
s'entremêler et de se superposer. Qui exécute l'action? Qui l'évalue? Pourquoi ces
 99

trois fonctions peuvent-elles être accomplies par un seul acteur? De même, la relation
_entre destinateur, sujet et objet de valeur n'est pas claire. D'un côté, le destinateur
assigne la quête de l'objet de valeur au sujet, mais en même temps, le sujet s'est
investi lui-même de cette quête. L'objet de valeur est-il une assignation externe, qui
vient du destinateur, ou un processus génératif qui est propre au sujet? (Ferraro, 2012,
p. 46). Toutefois, il s'agit d'une fausse ambiguïté, puisque ce problème se produit
seulement lorsqu'on veut assigner de manière univoque un acteur et un actant. En
réalité, la relation acteur - actant est multiple, c'est-à-dire que plusieurs acteurs
peuvent avoir plusieurs rôle actantiels et vice-versa. Il s'agit du phénomène de
syncrétisme actantiel et actoriel (dont nous avons parlé à la page 96) et il est un
argument suffisant pour répondre à cette critique.

Pour ces raisons, le modèle actantiel a été modifié et raffiné au cours des décennies. Il
existe des versions très simples du modèle, comme c'est le cas du modèle
« positionne! » (Bertrand D., 2000). Dans cette thèse, un modèle plus raffiné tel
qu'illustré par le tableau 2.1 (Hébert, 2016, p. 133) est utilisé.

N" ! sujet
temps 1 élément classe d'actant : s/o, sous-classe d'actant: SOUS• autres sous-classes
i observateur actant deur/daire, adj/opp factueVpossible classe d'actant (par ex.,
'i 1
d'actant:
vrai/faux
actif/passif)

·2--· ·----f' i
1 1
1 !
Etc. î 1 !

Tableau 2.1 Représentation du modèle actantiel sous forme de tableau (L. Hébert,
2016, p. 135)

De ce modèle, nous retenons surtout la possibilité de moduler chaque classe

actantielle sur un carré sémiotique (Greimas et Courtés, 1979, p. 4). Ceci a
progressivement mené à la construction d'autres sous-catégories actantielles qm
demeurent tout de même ancrées dans le modèle original dè Greimas. La
 100

représentation abstraite de l'articulation d'un actant sur le carré sémiotique est fournie
par la figure suivante :

Terme A Terme B

Figure 2.6 Articulation de l'actant sur le carré sémiotique

Chaque actant peut avoir ainsi un antactant, qui est son contraire, un négactant, qui
est son opposé, et un négantactant, qui est son complémentaire. À partir de cette
représentation, il est possible d'en dériver les sous-catégories actantielles suivantes :
actant/non-actant, actant possible/factuel, actiflpassif. Chacune de ces catégories est
liée aux autres. Par exemple, l'axe actant/non-actant est lié à celui du possible/factuel.
Prenons l'exemple de l'actant adjuvant. Si un actant adjuvant n'aide pas le sujet bien
qu'il soit censé le faire, il ne peut pas être un adjuvant, ni un opposant. Son statut est
mieux défini par la catégorie de non-actant qui, dans ce cas spécifique, est celle de
non-adjuvant, mais également celle d'actant possible non devenu factuel. Une série
d'exemples est présentée dans le tableau 2.2 suivant (Hébert, 2016, p. 137) :

Tableau 2.2 Les sous-catégories actantielles

A B C D
exemple un ami laisse un ami un ami maintient la un policier laisse des un policier tient le sac
se noyer tête d'un ami sous voleurs voler que les voleurs
l'eau remplissent
1 actant 9.p_posant l__(?,p9-osant adjuvant adjuvant
2 actants possible/factuel adjuvant possible i adjuvant possible opposant possible opposant possible
non devenu factuel 1 non devenu factuel non devenu factuel non devenu factuel
3 actant/négactant non~adjuvant U:?eeosant non~opposant adjuvant
4 actants actif/passif oooosant passif l opposant actif adjuvant passif adjuvant actif
 101

Par exemple, un individu qui laisse son ami se noyer est mieux défini si on explicite
les sous-catégories actantielles. Il est alors un opposant, mais mieux défini comme un
« adjuvant possible non devenu factuel », puisqu'il s'agit d'un ami qui devrait, par
définition, être un adjuvant. À cette sous-catégorie on peut ajouter aussi les autres,
soit « non-adjuvant » et « opposant passif». Son rôle actantiel est le produit de toutes
ces relations.

La dernière sous-catégorie, celle qui définit l'opposition actif/passif, est utilisée pour
définir le type d'action que l'actant accomplit, laquelle peut être activement ou
passivement dirigée vers un but. Cette catégorie permet donc de définir des actants
selon leur type d'engagement dans l'action. Par exemple, un actant qui laisse mourir
un ami est un opposant passif et un actant qui maintient la tête d'un ami sous l'eau est
un opposant actif. Une nuance supplémentaire est aussi apportée par le fait que, dans
les deux cas, il s'agit d'un adjuvant possible non devenu factuel, car l'actant est aussi
l'ami de la victime et non son ennemi. Dans ce contexte, les différents actants
peuvent être classés selon plusieurs sous-catégories qui spécifient davantage le rôle
qu'ils ont dans le texte. Ceci permet donc de distinguer deux opposants qui ont deux
rôles différents, comme dans l'exemple A et l'exemple B du tableau 2.2.

Le schéma actantiel peut ainsi être utilisé pour analyser différents énoncés ou textes.
Cette version du modèle actantiel comporte aussi d'autres sous-catégories telles:
actant conscient/non conscient, tout/partie, classe/.élément, type/occurrence. Nous
n'en tiendrons pas compte afin de maintenir la simplicité du modèle utilisé.

2.2.4 L'aspect cognitif du modèle sémio-narratif

Le récit est fondamental dans la vie culturelle. Dans un de ses textes les plus connus,
Roland Barthes (1966) a souligné l'aspect omniprésent du récit : « il n'y a jamais eu
nulle part aucun peuple sans récit». D'autres auteurs suggèrent aussi que la narration
 102

possède une valeur cognitive prépondérante et constitue un aspect nécessaire au

développement de l'être humain (Young et Saver, 2001). Au cours des deux dernières
décennies, cette vision a été corroborée par des études en sciences cognitives qui ont
mis en évidence la nature narrative de notre manière de penser et de construire notre
vision de la réalité ou notre souvenir du passé.

Plusieurs psychologues ont déjà mis de l'avant le rôle de la structure narrative comme
support à la mémorisation et à la remémoration (Mandler, 1984; McAdams et
McLean, 2013; Rumelhart, 1975). D'autres auteurs ont décrit comment certaines
structures narratives « s'inscrivent dans les mécanismes cognitifs » (Herman, 2000;
Ravoux Rallo, 1996) ou comment elles sont impliquées dans. le processus de
construction de l'identité personnelle (Bruner, 2006; Dennett, 1991; McAdams et
McLean, 2013; Schaeffer, 2010). Dans ce genre de travaux, le récit a été abordé sous
l'angle cognitif, mais aussi comme support à des opérations complexes, telle la
résolution de problèmes (Herman, 2003a, 2003b). Enfin, la narrativité constitue une
infrastructure sur laquelle la cognition humaine se base (Herman, 2013).

Ce type de recherche s'est aussi étendu à la neurologie, où on a commencé à

identifier les régions cérébrales qui sont impliquées lors de la production ou la
compréhension d'un récit. Ces recherches ont surtout souligné un partage de zones
neuronales entre la compétence narrative et certaines fonctions cognitives : le système
amygdale-hippocampe, où se construit la mémoire épisodique et autobiographique; la
région péri-Sylvian gauche, où le langage est élaboré; et le lobe frontal, où des
événements ou entités individuels sont conçus et traités comme des frames narratifs
temporels. La relation de causalité entre cerveau et fonction cognitive de la narration
est aussi confirmée par l'identification, dans certains troubles cognitifs consécutifs à
un dommage neuronal localisê, d'un lien entre ce dommage et l'incapacité à réaliser
certaines tâches dans lesquelles la compétence narrative est impliquée. Ces
 103

pathologies sont appelées« dysnarrativia » (Young et Saver, 2001) et fournissent des

indices pertinents sur la manière dont le cerveau organise l'expérience humaine :

So inescapably bound are we to consciousness that we lose sight of how

consciousness most often leads us to think. While we can be trained to think in
geometrical shapes, patterns of sounds, poetry, movement, syllogisms, what
predominates or fundamentally constitutes our consciousness is the
understanding of self and world in story. (Young et Saver, 2001, p. 73)

Les courants de pensée dans la narratologie cognitive sont nombreux, mais ils
s'accordent tous sur le fait que les fonctions cognitives associées à la compétence
narrative se basent sur lé storyworld (Herman, 2002), c'est-à-dire « une
représentation mentale de l'univers diégétique » (Campion, 2015, p. 4).

Cette conception de la vie cognitive s'appuie sur les modèles de compréhension de

texte (Van Dijk et Kintsch, 1983), sur la théorie des modèles mentaux (Johnson-Laird,
1983) et sur le concept de pensée narrative (Bruner, 1986). Ce dernier a joué un rôle
particulier dans la définition et la diffusion du modèle cognitivo-narratif (Calabrese,
2014). Selon Bruner, la vie cognitive humaine est fondée sur deux types de pensée:
la pensée paradigmatique (scientifique) et la pensée narrative (Bruner, 1991). Cette
dernière est plus étroitement liée à une des fonctions les plus importantes de la vie
cognitive humaine, soit le« worldmaking » (Bruner, 2004), dans laquelle la-narration
devient une compétence cognitive impliquée dans la construction de la réalité. Ce
type d'approche, caractérisé par le concept de worldmaking, est adopté par plusieurs
psychologues cognitifs et experts en narratologie. De plus, il est subsumé par le
concept de storyworld :.

Narrative, in other words, is a basic human strategy for coming to terms with
time, process, and change - a strategy that contrasts with, but is in no way
inferior to, "scientific" modes of explanation that characterize phenomena as
instances of general covering laws. Science explains the atmospheric processes
that (all other things being equal) account for when precipitation will take the
 104

form of snow rather than rain; but it takes a story to convey what it was like to
walk along a park trail in fresh-fallen snow as aftemoon tumed to evening in
the late autumn of2007 (Herman, 2011, p. 2).

Le concept du storyworld relie aussi les sciences cognitives et la sémiotique. Par

exemple, Herman souligne l'importance du croisement entre les théories du langage,
la narratologie et les sciences cognitives : « both language theory and narrative theory
can be viewed as resources for-or modular components of-cognitive science »
(Herman, 2002, p. 5).

Dans le contexte des sciences cognitives et du développement des théories cognitives

de la narratologie, les théories structuralistes ont joué un rôle prépondérant (Herman,
2009b,p. 72,2009a,p. 119,2002,p.3,2013,p.42)

Ces théories ne sont pas exemptes de critiques. En particulier, la nature spéculative de

ce modèle narrato-cognitif et la difficulté à produire de véritables travaux empiriques
ont déjà été soulignés (Campion, 2015, p. 3). Certains auteurs considèrent que les
contributions concrètes des sciences cognitives à la narratologie sont très faibles, en
soulignant que le chemin pour déterminer les fondements cognitifs de la narration
sera encore long (Ryan, 2015). Le rôle que la narration joue dans la vie cognitive de
l'être humain doit encore être prouvé empiriquement, mais l'hypothèse qu'il constitue
une infrastructure cognitive fondamentale demeure très forte en sciences cognitives.

2.3 Le paradigme computationnel

Dans les dernières décennies, plusieurs disciplines s'intéressant aux données

textuelles et linguistiques se sont développées, dont les principales sont : la fouille de
texte (Text Mining), la recherche d'informations (Information Retrievia[) et le
traitement automatique des langues naturelles (Natural Language Processing). Ces
 105

disciplines font partie de l'intelligence artificielle (IA) et explorent un de ses projets

de recherche, c'est-à-dire de « simuler des opérations pour lesquelles l'être humain
est meilleur »12 (Rich et al., 2009, p. 3).

Ces opérations sont des tâches réalisées par l'être humain. En effet, l'intelligence
artificielle s'occupe de l'opérationnalisation de certaines de ces tâches par le biais
d'un modèle formel et computationnel. Ce dernier sera ensuite implémenté dans une
machine, pour reproduire ainsi l'opération effectuée par l'être humain. Toutefois, ce
ne sont pas toutes les tâches qui peuvent être transférées directement dans un modèle
computationnel. Tel que présenté au paragraphe précédent 2.1.2, les tâches
complexes, lesquelles le plus souvent correspondent à des opérations cognitives
complexes (par exemple, la lecture d'un texte), doivent être divisées en tâches et
opérations plus petites. L'analyse de textes journalistiques assistée par ordinateur est
une opération qui doit être décomposée en tâches et opérations. Certaines d'entre
elles peuvent être sélectionnées pour les transférer dans un modèle formel et
computationnel. Ainsi, une série de sous-opérations de lecture et d'analyse de texte
peuvent être effectuées complètement ou partiellement par un programme
informatique.

L'approche computationelle qui est utilisée dans cette thèse est constituée par un
modèle de représentation formelle et computab/e du texte et par une approche
computationelle de la reconnaissance des formes récurrentes et des régularités. En
effet, le premier obstacle à surmonter est de transférer le texte dans un contexte
computable. Ce n'est qu'après ce transfert que certaines opérations d'analyse peuvent
être accomplies. La sémantique vectorielle offre un cadre théorique adéquat pour
obtenir une représentation formelle et computable du texte. Le deuxième obstacle est

12
[Notre traduction]
 106

d'identifier l'outil computationnel qui « simule » l'opération cognitive qui est traitée
dans cette thèse. Pour ce faire, une famille particulière d'outils, le clustering, qui fait
partie du paradigme non supervisé de l'apprentissage automatique, constitue le cadre
théorique pour l' opérationnalisation de la reconnaissance des formes récurrentes et
des régularités internes aux textes.

2.3.1 La sémantique vectorielle

La sémantique vectorielle est une méthode computationnelle pour la représentation

formelle et computable du langage naturel. Elle utilise les principes de l'algèbre
linéaire pour construire cette représentation. Ainsi, le but principal du modèle est
d'obtenir une représentation vectorielle de la sémantique des textes. Ce modèle
partage les mêmes caractéristiques et propriétés que le modèle vectoriel, ce qm
permet d'utiliser les outils mathématiques de l'algèbre linéaire.

Le modèle sémantique vectoriel a été développé par l'équipe de Salton (1968; 1971;
1975; 1983; 1988; 1988; 1991) dans les années 70. La base du modèle sémantique
vectoriel est de représenter un document comme un point dans un espace géométrique,
dont les coordonnés dépendent des caractéristiques lexicales et sémantiques (Sahlgren,
2006). Ainsi, la représentation vectorielle de plusieurs documents nous offre la
possibilité de calculer (Schütze, 1993; Schütze et Pedersen, 1993) la similarité ou la
dissemblance entre eux. Plus les textes sont proches, plus ils sont similaires. Chaque
document est donc représenté par un vecteur sur lequel, grâce aux outils classiques de
l'algèbre linéaire, plusieurs opérations peuvent être effectuées (Berry et al., 1995).

[Link] Les fondements de l'application au langage des approches

computationnelles

Le développement des méthodes computationnelles de traitement du langage naturel

a été assujetti au débat entre rationalisme et empirisme (Brillet Mooney, 1997; Dale
 107

et al., 2000, p. IV; Markie, 2017). Le sujet de la dispute entre ces deux positions est
le rôle de l'expérience dans les processus d'apprentissage de l'être humain. En bref,
les rationalistes affirment que la connaissance est acquise de manière indépendante de
l'expérience. Au contraire, les empiristes affirment que l'expérience est la source
ultime d'apprentissage et connaissance. Généralement, les rationalistes justifient leur
vision par le biais de deux éléments. Le premier est le constat que la connaissance
acquise dépasse les informations que l'expérience peut apporter. Le second est la
description de la façon dont la raison fournit les informations additionnelles qui
manquent dans l'expérience. Les empiristes présentent alors des argumentations
opposées, en montrant comment l'expérience fournit assez d'informations pour
l'apprentissage de l'être humain et en critiquant la raison comme source de
connaissance.

L'application de l'approche rationaliste au langage a été dominée par la théorie de la

Grammaire Générative de Noam Chomsky, qui définit le langage comme une faculté
innée de l'être humain en développant une « conception rationaliste de la nature du
langage» (Chomsky, 1967, p. 9). Sur la base de l'argument de la pauvreté du
stimulus, Chomsky prend ses distances avec l'empirisme en démontrant un grand
écart entre la pauvreté des informations que l'enfant a à sa disposition dans
l'expérience et la complexité du langage qui est acquis. En d'autres termes, la
position rationaliste affirme que les mécanismes d'apprentissage du langage
contiennent des principes qui font du langage une compétence innée.

Dans le contexte du traitement automatique du langage naturel, ce genre d'approche a

conduit au développement de l'approche rationaliste ou symbolique (Allen, 1995;
Dale et al., 2000). Le principe de cette approche est de construire un système de
représentation de la .connaissance accompagné par des règles d'associations ou de
raisonnement qui sont établies a priori par le chercheur. Ce type de système, qui est
 108

implémenté dans des programmes informatiques et est construit manuellement par le

chercheur, est utilisé pour automatiser le processus humain de compréhension ou de
production du langage. Par exemple, imaginons que nous voulions construire un
programme informatique capable de désambiguïser les phrases qui contiennent le mot
« hôte ». En français, ce terme indique à la fois la personne qui offre l'hospitalité et la
personne qui est bénéficiaire de cet accueil. Le terme possède donc deux référents.
Pour distinguer les deux sens, le rôle syntaxique du mot peut être utilisé de même que
la sémantique du contexte dans lequel le mot apparaît. Ainsi, si le terme « hôte » est
sujet du verbe « accueillir», le réfèrent est la personne qui accueille, alors que s'il est
complément d'objet du même verbe, alors le référent est la personne qui est accueillie.
Dans le contexte de l'approche rationnelle, toutes ces informations doivent faire
partie de la base de connaissances à laquelle le programme informatique fait appel
pour résoudre la tâche de désambiguïsation. Cette approche est donc liée à la
construction d'ontologies, c'est-à-dire de représentations formelles des différents
domaines du savoir à partir desquels un programme informatique dispose des
informations pertinentes pour résoudre une tâche spécifique de compréhension ou de
génération du langage. Le thésaurus WordNet est probablement l'ontologie la plus
connue et la plus répandue dans le domaine du traitement automatique du langage
naturel.

Toutefois, la création de tels systèmes « omniscients » est très difficile (Brill et

Mooney, 1997) à cause de l'ambiguïté du [Link] et de la quantité de domaines
spécifiques du savoir. Le _plus souvent, ce genre de systèmes est utilisé pour répondre
à des tâches très précises et dans des domaines très spécifiques. Ils peuvent être
rarement utilisés dans des domaines différents de ceux pour lesquels ces systèmes ont
été construits.
 109

L'approche empiriste dans le domaine de l'étude du langage a été populaire dans les
années 50 sous l'influence du béhaviorisme et des théories du psychologue Burrhus
Skinner. Son principe est de mettre l'accent sur le rôle de l'expérience dans le
processus d'acquisition du langage. L'apprentissage du langage est alors expliqué par
des processus d'imitation et des mécanismes de renforcement du comportement et de
conditionnement qui mènent l'être humain à associer un comportement linguistique à
un stimulus particulier. Dans l'approche empiriste, l'analyse du langage se base sur la
logique inductive et met de l'avant l'identification de règles générales à partir de
l'observation de la réalité. Leonard Bloomfield, le père putatif du structuralisme
américain, est un des représentants majeurs de l'utilisation de l'approche empiriste
dans l'analyse du langage. Selon Bloomfield

The only useful generalizations about language are inductive generalizations.

Features which we think ought to be universal may be absent from the very
next language that becomes accessible. (Bloomfield, 1933, p. 20)

Le structuralisme de Bloomfield est lié à la méthode scientifique de type inductif. Le

système structural qui compose le langage n'est accessible qu'à travers l'observation
de la réalité. Les successeurs de Bloomfield, avec leurs propres spécificités et
distinctions, ont maintenu l'approche empirique dans l'étude du langage et sont ainsi
considérés comme les inspirateurs de l'approche empirique ou corpus-based/data-
driven du traitement automatique du langage naturel (Manning et Schütze, 1999).
Cette approche est aussi celle qui a le plus contribué à l'utilisation de la sémantique
vectorielle à des fins d'analyse sémantique.

2.3 .1.2 L'hypothèse distributionnelle : du lexique à la sémantique

J.R. Firth a affirmé que l'objectif de la recherche en linguistique est d'analyser le

langage dans son usage. Son expression « You shall know a word by the company it
keeps » est devenue la citation principale des auteurs qui ont développé et utilisé la
 110

sémantique vectorielle ou l'approche distributionnelle. Le principe qui est ici en

cause est de construire une sémantique qui se définit exclusivement par des relations
de cooccurrences entre mots. Par la suite, Zellig Harris a mis de l'avant le besoin de
construire des procédures par lesquelles les structures du langage peuvent être
découvertes automatiquement.

Le fondement de cette approche est l'hypothèse distributionnelle (Harris, 1954), qui

se base sur l'idée que le sens des mots est distribué dans le contexte dans lequel il
apparaît, reprenant ainsi les propos de Firth (1935, 1957). Il est possible de résumer
cette hypothèse par la proposition suivante : les éléments linguistiques ayant des
distributions similaires ont des significations similaires. Le paradigme distributionnel
se base donc sur la notion que la similarité entre entités sémantiques dépend de leurs
propriétés distributionnelles. Cela implique que la similarité du plan du contenu entre
deux textes est corrélée à la similarité de leurs distributions lexicales. En d'autres
termes, deux mots tendent à être similaires s'ils côtoient souvent les mêmes mots et
par conséquent, les entités sémantiques qui partagent des contextes similaires tendent
à être similaires.

Cette hypothèse a été entièrement élaborée par l'équipe de Salton, qui a développé le
modèle sémantico-vectoriel. Ce modèle correspond à la construction d'une matrice U.
Cette modélisation est représentée par la formule (2.5). Chaque ligne de cette matrice
modélise un document sous la forme d'un vecteur S: = (Viv Vi 2 , ... , Vii) dans lequel
Vii correspond à la valeur de pondération du/me mot dans le tme segment.

mot1 mot2 ... mot;

article1 V11 V12 ... Vi;
article2 V21 Vi2 ... V!i (2.5)
U=
. . . ... .
articlei vil vi2 ... Vi;
 111

Dans ce cadre, chaque document est décrit par son lexique. Les textes qui partagent
des entités lexicales similaires tendent à être similaires, ce qui implique que les
vecteurs qui les représentent tendent à se rapprocher dans l'espace géométrique
construit par le modèle sémantico-vectoriel.

Le postulat central de ce modèle· est le passage du lexique à la sémantique.

L'hypothèse distributionnelle garantit ce passage. En effet, chaque vecteur décrit un
document sur la base de son lexique, lequel montre des relations avec les autres
entités lexicales, c'est-à-dire des relations de cooccurrence, ce qui représente, selon
l'hypothèse distributionnelle, un indice fiable et suffisant de la sémantique du mot et
du texte.

La transformation du texte dans un modèle vectoriel a été légitimée par des

expérimentations empiriques. En effet, les travaux en recherche d'information ont
montré que le modèle sémantique est efficace dans une tâche de comparaison
sémantique entre textes, ce qui justifie essentiellement le passage du niveau lexical au
niveau sémantique. Les aspects techniques du modèle sont décrits au chapitre suivant
(cfr. 3.3.2) puisque la transformation du texte dans un modèle vectoriel constitue une
étape de la méthode.

2.3.2 L'apprentissage automatique et le clustering

L'apprentissage automatique est une discipline dont l'objectif est de développer des
méthodes pour la découverte des caractéristiques d'une base de données (Bishop,
2006). Ces méthodes ont la capacité d' « apprendre » à partir d'une expérience et de
résoudre certaines tâches complexes de manière automatique et performante (Mitchell,
1997).
 112

Il existe deu~ modèles principaux d'apprentissage : le modèle supervisé et le modèle

non supervisé. Le premier permet de reconnaître les objets qui appartiennent à une
classe qui a été « apprise » précédemment. Par exemple, à partir d'une base
d'apprentissage constituée d'exemples de pourriels et de bons courriels, le modèle est
entraîné à identifier les pourriels parmi de nouveaux messages qui lui sont soumis
(Drucker et al., 1999). Au contraire, les modèles non supervisés n'apprennent pas les
classes à partir d'exemples regroupés en catégories. Le modèle apprend à reconnaître
les motifs récurrents ou les caractéristiques les plus importantes parmi des données
non structurées et nullement classifiées et ce, en séparant les objets en groupes
différents. Par exemple, à partir d'une base de données constituée d'articles de
Wikipédia provenant de différents domaines de connaissance, un modèle non
supervisé est capable de distinguer et de séparer les articles en fonction de leur
similarité disciplinaire ou thématique (Huang et al., 2008; Yan et al., 2009; Yao et al.,
2012).

Au paradigme non supervisé, appartient une famille de méthodes qui est appelée
clustering. La terminologie utilisée pour se référer au clustering n'est pas univoque,
ce qui peut amener de la confusion. En effet, il existe plusieurs noms pour désigner
cett~ famille de méthodes. En anglais, les termes les plus répandus sont clustering,
cluster analysis, segmentation, unsupervised classification, alors qu'en français, ce
sont regroupement automatique, segmentation, classification, classification
automatique, classification non supervisée, clustering, partitionnement. Cette
diversité terminologique est due au fait que ces méthodes ont été utilisées dans
plusieurs domaines de recherche, chacun utilisant sa propre terminologie, qui est
généralement justifiée par la nature de la discipline dans laquelle la recherche
s'inscrit. Par exemple, dans le domaine du marketing, il est plus courant de trouver le
terme segmentation, car le clustering s'intègre dans l'optimisation des processus de
segmentation du marché ou des clients. Pour alléger ce travail, nous utilisons le terme
 113

clustering qui demeure le plus utilisé, à la fois dans les pays anglophones et dans les
.pays francophones.

Les techniques de clustering se sont rapidement répandues dans le domaine de la

fouille de texte. Deux hypothèses motivent leur utilisation dans ce cadre, soit c~lle de
la contiguïté (contiguity hypothesis) et celle du cluster (cluster hypothesis).
L'hypothèse de la contiguïté (Manning et al., 2009, p. 289) stipule que les textes d'un
même groupe (cluster) forment une région contiguë qui se distancie assez nettement
des autres régions, alors que celle du cluster (Manning et al., 2009, p. 350) affirme
que les textes d'un même groupe partagent un contenu sémantique similaire.

[Link] Définition et principes de base

Le clustering est une famille de méthodes développée en informatique et en analyse

de données qui exécute un regroupement automatique d'individus similaires. La
majorité des définitions de clustering partagent un certain nombre de principes de
base. Voici quelques définitions:

Le clustering est l'art de trouver des groupes distincts dans les données
(Kaufman et Rousseeuw, 2005, p. 1) [Notre traduction]

[... ] cluster analysis est probablement le meilleur terme pour indiquer les
procédures qui cherchent à découvrir des groupes d'individus dans un jeu de
données. (Everitt et al., 2011, p. 5) [Notre traduction]

[ ... ] clustering veut dire trouver des groupes d'individus dans un jeu de
données. La classification d'Aristote sur les entités vivantes est probablement le
premier exemple de clustering, un clustering de type hiérarchique (Hennig et al.,
2016, p. 2) [Notre traduction]

Dans ces définitions, le clustering est présenté de manière fonctionnelle, en mettant

en relief son objectif pratique qui est d'identifier des groupes (clusters) d'individus
dans un jeu de données. Comme le souligne Hennig, le principe de base du clustering
 114

fait partie de l'histoire de la pensée humaine et remonte à la classification des entités

vivantes par Aristote. En effet, observer le monde qui nous entoure et classifier les
entités ainsi observées en groupes distincts constituent une opération de clustering.

La notion intuitive de clustering est donc très simple. Au contraire, la notion

technique de clustering exige quelques explications supplémentaires. Tout d'abord, le
clustering exploite l'opposition entre similarité et dissimilarité:

Le clustering est une des méthodes les plus importantes pour l'extraction des
connaissances à partir de données multidimensionnelles. Le clustering a pour
but d'identifier un schéma récurrent ou des groupes d'objets similaires dans un
jeu de données. (Kassambara, 2017, p. 3) [Notre traduction]

La notion de similarité est donc fondamentale pour le clustering. Les objets qui sont
regroupés ensemble doivent partager un certain nombre des caractéristiques
communes afin que le concept de similarité entre individus soit significatif. Deux
individus sont donc très similaires s'ils partagent beaucoup de caractéristiques. La
similarité est en effet une question de degré. Si elle comporte des degrés, elle peut
donc être mesurée :

Le problème du clustering est défini comme étant celui de la recherche de

groupes d'objets similaires dans les données. La similarité entre les objets est
mesurée à l'aide d'une fonction de similarité. (Aggarwal et Zhai, 2012, p. 77-78)
[Notre traduction]

Le mesurage de la similarité s'effectue donc à travers la fonction de similarité. Par

exemple, la similarité entre un kangourou, une souris et un lion est mesurable à
travers les caractéristiques qui les décrivent, comme le taxon, la taille, la façon de
déambuler, etc. Dans cet exemple très simple, le nombre de caractéristiques partagées
peut être alors transformé en une mesure qui établit le degré de similarité entre eux.
 115

Toutefois, la notion de similarité est dépendante du contexte global dans lequel les
données sont situées et analysées. Par exemple, la souris peut être considérée plus
·similaire au lion qu'au kangourou puisque les deux sont des mammifères placentaires
au contraire du marsupial. Dans un contexte spécifique, par exemple dans une étude
sur l'évolution des appareils reproducteurs du monde animal, cette information
pourrait être suffisante pour situer la souris et le lion dans le même groupe et ce,
même s'ils ne se ressemblent pas sous d'autres points de vue. La similarité est donc
relative au contexte et aux caractéristiques qu'on décide de prendre pour décrire les
individus.

En résumé, la similarité est une question de degré, elle peut être mesurée et elle est
ancrée dans le contexte. De plus, dans le cadre du clustering, elle se définit en
opposition avec une autre mesure, soit celle de la dissimilarité :

Le clustering est la classification d'objets similaires en groups [d[fférents] [ ... ]

(Abonyi et Feil, 2007, p. IX) [Notre traduction]

Le clustering [ ... ] est une méthode de création de groupes d'objets ou de

clusters, de telle sorte que les objets d'un cluster sont très similaires entre eux et
les objets de [d[fférents] groupes sont assez [distincts] (Ma et al., 2007, p. 3)
[Notre traduction]

La notion technique de clustering est complétée donc par le concept de dissimilarité

qui s'oppose à celui de similarité. Les groupes sont créés sur la base de la similarité
entre individus de même groupe et de la dissimilarité entre les groupes.

La similarité est un concept qui s'applique aux individus d'un cluster alors que la
dissimilarité concerne les clusters eux-mêmes. Cette relation entre similarité et
dissimilarité constitue la base de toute méthode ou tout algorithme développés dans
ce contexte. Ceci nous mène à une autre notion qui définit davantage les potentialités
du clustering:
 116

Le clustering est une opération d'identification de groupes dans un jeu de

données à analyser. Les groupes sont appelés cluster. Ces clusters sont des
sous-groupes distincts du jeu de données, lesquels organisent les individus plus
similaires dans le même sous-groupe, et les individus différents dans des sous-
groupes différents. Le rôle du clustering est, donc, de découvrir une sorte de
structure naturelle cachée dans le jeu de données. (Wierzchon et Klopotek,
2018, p. 9) [Notre traduction]

Dans ce passage, le clustering est défini comme une méthode de découverte d'une
structure latente et naturelle présente dans les données. Cette structure naturelle est
déterminée par les similarités et les dissimilarités des objets et constitue une
organisation latente des données en catégories distinctes. En d'autres termes, le
clustering identifie des groupes qui sont naturellement signifiants dans le jeu de
données analysé :

Le clustering subdivise les données dans des groupes différents (clusters) qui
sont significatifs, utiles, ou les deux. Si l'objectif atteint est la découverte de
groupes significatifs, alors les clusters devraient capturer la structure naturelle
des données (Tan et Steinbach, 2019, p. 525) [Notre traduction] ·

Les groupes se définissent donc par leur utilité et leur significativité (au sens
statistique), ou les deux, ce qui consiste à trouver cette structure sous-jacente au jeu
de données. Les groupes doivent servir à quelque chose, par exemple décrire le jeu de
données, et surgir naturellement pour des raisons de significativité statistique.

L'utilité d'une partition est fondamentale car les techniques de clustering visent un
objectif plus général, l'exploration et la génération d'hypothèses:

[ ... ] Le clustering est utilisé dans plusieurs disciplines' pour la génération

d'hypothèses interprétatives qui sont utilisées dans l'analyse de jeux de données
trop grands ou complexes pour être analysées à l'aide d'une inspection directe
du chercheur. Ceci est accompli à l'aide de l'identification de la structure sous-
jacente d'un jeu de données. [ ... ] clustering est [donc] un outil pour la
génération empirique d'hypothèses. Il identifie la structure latente d'un jeu de
 117

données et la prise de conscience de l'existence d'une telle structure est utilisée

pour « dessiner » des inférences qui permettent de formuler une hypothèse.
(Moisl, 2015, p. 15-18) [Notre traduction]

Cette nouvelle dimension est très pertinente pour le présent travail. Dans plusieurs
disciplines, le clustering est utilisé pour explorer de grands jeux de données. Quand
l'extraction des connaissances implique l'analyse d'un grand nombre d'individus, le
clustering représente un support important dans une première phase d'exploration et
mène le plus souvent à des hypothèses sur l'organisation ou la structure sous-jacente
des données. Cette situation est fréquente dans l'analyse de presse, car une étape
d'exploration préliminaire des données est nécessaire afin d'identifier les hypothèses
d'interprétation qui peuvent être proposées. Même si elle est grossière, dégager une
première structure sous-jacente aux données permet d'atteindre les objectifs d'une
première phase d'exploration.

Dans un contexte d'analyse de textes, ces principes peuvent être appliqués et le

clustering constitue sans aucun doute un outil important pour l'analyse et
l'exploration. Sa définition peut être aisément adaptée comme suit :

Le clustering de textes consiste à regrouper des documents similaires (ou

associés) dans des classes. À cet égard, le regroupement de documents est[ ... ]
une opération de collecte de documents (Baeza-Yates et Ribeiro-Neto, 1999, p.
173) [N-otre traduction]

Cet extrait identifie une des applications les plus répandues du clustering, soit le
regroupement de documents, c'est-à-dire repérer les documents qui sont les plus
similaires entre eux et les groupes qui sont les plus dissimilaires. Cette définition peut
être explicitée d'un point de vue technique :

Le clustering de textes: étant donné une collection D de documents, une

méthode de clustering de textes sépare automatiquement ces documents en K
 118

clusters selon certains critères prédéfinis (Baeza-Yates et Ribeiro-Neto, 1999, p.

286) [Notre traduction]

Toutefois, il faut souligner que le regroupement de documents n'est qu'une des

applications possibles de la méthode de clustering sur des données textuelles. Les
autres applications ne sont pas pertinentes dans le cadre de ce travail et ne seront donc
pas traitées.

Il est parfois possible de visualiser les résultats d'un clustering. La figure 2. 7 montre
une partition d'un jeu de données obtenu par un algorithme de clustering, lequel a été
exécuté avec l'objectif de trouver trois clusters. Il s'agit alors d'une partition à trois
clusters.

100

• • •
..,... :;,.:t}~~.
~-~,.,,.,~.,.4••1!.-... ••
•t~'" "*~/~·.....; .. ••-~
• -~,-•,:; • .,,..... ~.,....'f'~..-1;:~ •
:::,;t:.t;t~~:ri,;t~ .... •

. . ..... ,,•..;.~-"'-••
1'\
so •• ·~•·•, ••ît.4?,'!.--.n,... . . . ... ••
,..,tt;'.. \JY~'i.r~l>.:•1

... .
~!!; :r.•.:~~t.?-.-:-·• -
••
. Color
•:A

a4. •• 1 • •
y ••••h:;\•~:ï,•••·~•'!-• • • • • ••• • •
• •• Z:~~.:• .:•.•;•!.,
0 • :-•• :,..,i{t'!.~~
.,~.~~~:>~.-•..-J....t~,;,:.,:.....
-. .,_..-J._...., ••
•t.. •• r>'l.1•~t:,•~!~':••t•: •• •
•• ,.•:;~~·~:~--~ .....-.•:::•.:- •
• -':.(t~i•S..,!!J•~-• :• •• • • i:..~':.-:~-;•,: t'!.tt."l~;·.•\.~1:••
• -"
• • •
! •:~•i'•<:,:·~:i•;:C~•':!o,:~r:,•••
!t:·~·:.'!.•:,.-.~'!••7,!,!!;;:_: ••
• • "
• •• •%1 ·•~<•••:••t••·
·,~;•l•: •• •
••
-50
.so 0 50 100 150

Figure 2. 7 Représentation bidimensionnelle d'une partition à trois clusters

[Link] Le problème de la classification

Le paragraphe précédent peut être résumé ainsi : le clustering est l'opération qui
consiste à réunir des objets (individus ou variables) en un nombre limité de groupes
appelés clusters (ou segments ou classes) et possédant deux propriétés, l'homogénéité
 119

interne ou intracluster et l'hétérogénéité externe ou intercluster (Tufféry, 2017). La

partition effectuée par le clustering doit effectivement maximiser l'homogénéité
interne des clusters, c'est-à-dire que les individus doivent être le plus possible
similaires entre eux, et l'hétérogénéité externe des clusters, c'est-à-dire que les
clusters doivent être le plus possible différents entre eux. Les clusters sont définis au
cours de l'opération de clustering, ce qui en fait une opération de type descriptif
(exploratoire) et non prédictif (confirmative).

Le problème posé par le clustering n'est pas trivial. Il s'agit d'analyser tous les
individus du jeu de données et d'évaluer toutes les partitions possibles afin de
maximiser une fonction qui tient compte de l'homogénéité intracluster et de
l'hétérogénéité intercluster. En d'autres termes, ce problème mène à une explosion
combinatoire qui correspond au nombre de Bell. Le nombre de Bell est le nombre de
partitions possibles qui peuvent organiser un ensemble d'individus. Par exemple, si
on considère un ensemble E composé de quatre individus E = {a, b, c, d}, le nombre
de Bell répond à la question suivante : quelles sont les partitions possibles P que ces
quatre individus peuvent former et combien y en a-t-il? La réponse est la suivante:

1- une partition composée d'un seul cluster: P 1 = {(a, b, c, d)}

2- sept partitions distinctes composées de deux clusters: P1 = {(a, b); (c, d)}, P2
= {(a, c); (b, d)}, P3 = {(a, d); (b, c)}, P4 = {(a); (b, c, d)}, P5 = {(b); (a, c, d)},
P6 = {(c); (a, b, d)}, P7 = {( d )~ (a, b, c)}
3- six partitions distinctes composées de trois clusters: P1 = {(a); (b); (c, d)}, P2
= {(a); (c); (b, d)}, P3 = {(a); (d); (b, c)}, P4 = {(b); (c); (a, d)}, P5 = {(b); (d);
(a, c)}, P6 = {(c); (d); (a, b)}
4- une partition composée de quatre clusters: P1 = {(a); (b); (c); (d)}

Les combinaisons possibles explosent avec l'augmentation des individus contenus

dans le jeu de données. Le clustering optimise le processus d'évaluation de la
meilleure partition possible par le biais d'une heuristique qui permet de ne pas
évaluer toutes les partitions possibles, réduisant ainsi les calculs à exécuter.
 120

Cet aspect est important et pose des contraintes aux différents techniques de
clustering. En effet, chaque algorithme de clustering doit déterminer ses propres
hypothèses de classification et certains paramètres à fixer en amont, constituant ainsi
sa propre heuristique. Ceci permet de trouver des solutions au problème de
l'explosion combinatoire et de réduire les calculs à exécuter. Par exemple, une des
approches possibles est de déterminer en amont le nombre de clusters de la partition
finale. Le paramètre k est un paramètre très répandu parmi les algorithmes de
clustering qui permet d'évaluer la meilleure partition avec un nombre de clusters fixé
d'avance. Une autre approche est d'établir en amont la distance maximale entre les
objets d'un même cluster, ce qui mène à n clusters dont les individus respectent le
seuil de distance établi. Les algorithmes utilisent ces paramètres fixés d'avance
comme une constante et se développent ainsi autour de cet ancrage.

2.3 .2.3 Les approches

Les méthodes de clustering varient énormément et chacune tente de résoudre le

problème de la classification avec des stratégies différentes possédant leurs propres
avantages et désavantages. Faire un résumé de ces méthodes ne rentre pas dans les
objectifs de ce travail. Cependant, il est pertinent de faire une brève description des
caractéristiques principales qui permettent de distinguer les algorithmes. Ces
caractéristiques sont présentées sous forme de dichotomies.

La première est la dichotomie entre les algorithmes hiérarchiques et les algorithmes

de partitionnement. Les algorithmes hiérarchiques font l'hypothèse que les données
peuvent être organisées comme un arbre hiérarchique, dont chaque branche regroupe
des individus, des groupes d'individus ou les deux (figure 2.8). L'arbre est appelé
dendrogramme et peut être construit de manière ascendante ou descendante. Le
principe général est l'appariement de données (ou de groupes de données) par le biais
d'une notion de distance, qui constitue l'alter ego géométrique de la notion de
 121

similarité. Dans le cas ascendant, les algorithmes exécutent une première itération au
cours de laquelle ils identifient les paires de données les plus proches, c'est-à-dire les
plus similaires et ils créent ainsi les premiers groupes. La deuxième itération permet
de réunir des groupes d'individus avec de nouveaux individus ou d'autres groupes et
ainsi de suite, jusqu'à la dernière itération où tous les groupes sont reliés entre eux.
L'arbre complet est alors généré. Les algorithmes descendants fonctionnent de la
même manière, mais à l'inverse, donc en séparant les groupes et les individus les
moins proches. Le groupe d'algorithmes de partitionnement ne produit pas d'arbres,
mais sépare de manière horizontale les données entre elles (figure 2.7). Au contraire
du partitionnement hiérarchique, le clustering par partitionnement horizontal ne
fournit aucune information sur la relation entre les clusters. Son hypothèse de
classification est basée de manière plus stricte sur le principe d'homogénéité
intraclasse et d'hétérogénéité interclasse plutôt que sur la notion de distance. Dans ce
contexte, la distance n'est pas le seul concept qui est exploité, car ce n'est pas
important d'observer la distance minimale entre deux individus pour les regrouper,
mais plutôt d'observer une optimisation globale des distances de chaque individu et
de chaque cluster. Généralement, les itérations des algorithmes s'arrêtent lorsque la
fonction de maximisation de l'homogénéité intraclasse totale est atteinte. La
meilleure partition sera celle possédant des clusters très homogènes du point de vue
intraclasse et très hétérogènes du point de vue interclasse.
 122

,, , ,1, 11 ,,, ,en 1t111 1111r,., 101oro11,1,on.11111,i 11ttt11A1 '110111n1An 11r~ ,, , ,,,
0 11Sr,;i;"w:;.0.,,;;.,i'Y<fl"l1;tiî;"''
;Ht.\!iR")~tt!<f1",~a!1J!i;R,t mi~"'••;,;,t~ ::!f.!~'.:::'':;;M;;tW{çi&,";!;'lill'<<iil::l;.~!t!i!it!l!ii!';"'?~l<&.!t*r.i.;;!/ii::Ui.~M!!i;J'}i'l~lf1'!Z/!!

Figure 2.8 Représentation graphique d'un clustering de type hiérarchique

La deuxième dichotomie est celle entre les algorithmes à partitionnement exclusif

versus ceux à partitionnement flou. Les algorithmes à partitionnement exclusif
attribuent à chaque individu une appartenance à un seul cluster. Il existe de
nombreuses situations dans lesquelles un ipdividu peut raisonnablement être placé
dans un seul cluster et cette stratégie de classification est alors sûrement la plus
adaptée. Elle est très répandue dans toutes sortes d'applications en raison de la facilité
d'interprétation des résultats puisqu'on génère moins d'informations à évaluer. Le
désavantage de ce type de clustering est de ne pas repérer les individus placés aux
limites entre deux ou plusieurs clusters. Au contraire, le partitionnement flou génère
une partition dont les clusters se chevauchent et chaque individu peut avoir plus d'une
assignation. Un individu peut donc appartenir à un ou plusieurs clusters, selon sa
 123

position dans l'espace. En général, ces algorithmes déterminent un degré

d'appartenance de chaque individu à chaque cluster, c'est-à-dire qu'ils assignent une
valeur allant de O (ne fait absolument pas partie) à i (appartient absolument) pour
chaque individu en correspondance avec chaque cluster.

La troisième et dernière dichotomie oppose les algorithmes à partitionnement complet

aux algorithmes à partitionnement partiel. Le partitionnement complet force une
assignation à chaque individu, afin que chacun d'eux ait son cluster d'appartenance.
Au contraire, le partitionnement partiel ne force pas les assignations et laisse les
individus éloignés sans appartenance aux clusters. Cette dernière stratégie de
classification permet de regrouper les individus en chisters encore plus homogènes et
d'exclure les individus qui ne présentent pas les caractéristiques appropriées pour
appartenir à un cluster. Cette stratégie permet d'identifier en même temps les
individus qui représentent des données aberrantes, réduisant ainsi le bruit.

Dans la chaîne de traitement présentée dans ce travail, un algorithme de type hard

clustering est utilisé. Ce type d'algorithme génère une partition complète avec des
clusters horizontaux de type exclusif. L'hypothèse de classification implique donc
d'identifier une partition où les articles du corpus appartiennent à un seul et unique
.cluster et où chacun d'eux est situé s_ur le même plan. Les avantages de ce genre
d'algorithme sont principalement liés à une plus grande interprétabilité des résultats,
ce qui est généralement optimal dans une phase d'exploration d'un corpus textuel.

Cette hypothèse de classification est plus adaptée à l'objectif de cette recherche.

D'abord, comme l'appartenance de chaque individu n'est pas ambiguë, nous avons la
certitude que les articles regroupés ensemble partagent plus de caractéristiques
qu'avec les articles des autres clusters, ce qui facilite la tâche d'identification des
articles qui partagent sans ambiguïté les mêmes structures sémantiques. Le
 124

désavantage majeur de cette approche est d'obtenir des clusters contenant un certain
nombre d'articles qui se situent plutôt aux limites éloignées du cluster et qui peuvent
donc constituer du bruit. Cependant, ceci ne compromet pas la réussite de notre
recherche car son objectif est d'identifier les structures sémantiques les plus
importantes et significatives, les structures qui sont reconnaissables au-delà de tout
doute et qui forment des macrostructures claires. Dans ce cadre, disposer de clusters
non ambigus est certainement un avantage. De plus, comme notre objectif n'est pas
d'identifier les relations hiérarchiques entre les structures sémantiques, l'utilisation de
la stratégie hiérarchique n'est pas justifiée.
 CHAPITRE III

MÉTHODE

Le troisième chapitre se concentre sur la description de la méthode. La première

partie est dédiée à l'exemplification des données qui sont utilisées dans un cadre
d'analyse de texte assistée par ordinateur, c'est-à-dire la constitution du corpus. Pour
la sémiotique computationnelle, cette étape est cruciale. C'est pourquoi nous nous
attardons sur celle-ci avant d'initier concrètement le chapitre. Les autres parties du
chapitre III définissent la chaîne de traitement qui a été construite pour cette étude.
Elle comporte une phase de prétraitement du corpus, à l'aide des outils issus du
traitement automatique du langage naturel, une phase de filtrage et une de
regroupement automatique, à l'aide des outils de l'apprentissage automatique; et
enfin, une étape d'annotation à l'aide d'un outil informatique qui permet la
production d'une base de données relationnelle pour maintenir une trace de la lecture
et de l'analyse.

La constitution du corpus est une opération fondamentale dans le champ de l'analyse

de texte assistée par ordinateur (ATO). Le corpus constitue l'ensemble du matériel
qui est utilisé pour l'analyse. Dans le contexte de l'analyse assistée par des
algorithmes, cet ensemble devient un « univers clos », sur lequel les algorithmes sont
exécutés. Appréhender le corpus comme un « univers clos » est important pour
comprendre la nature des résultats produits par les différents outils computationnels
utilisés. L'exemple de la chambre chinoise de Searle peut-être utilisé pour la
 126

compréhension du corpus comme un « univers clos». La chambre chinoise montre

qu'un programme informatique produit des résultats sur la base des règles et des
informations qui sont à sa disposition et , sans avoir « conscience » de ce qu'il fait.
Ainsi, une personne entrainée à fournir une certaine réponse à un stimulus particulier
peut exécuter la tâche sans réellement comprendre ce qu'elle fait. Par exemple, si on
établit un schéma avec une liste d'idéogrammes chinois d'entrée et une autre
d'idéogrammes chinois de sortie et qu'on confie à une personne qui ne connaît pas le
chinois, la tâche de produire l'idéogramme de sortie correspondant à l'idéogramme
d'entrée, on ne peut pas affirmer que la personne « comprend» ce qu'elle fait ou le
message qu'elle envoie. La personne exécute une tâche selon une liste de règles. Le
corpus n'est pas une liste de règles, mais c'est le matériel à partir duquel des
algorithmes (ou des personnes) peuvent inférer des règles qui seront valables si on les
considère dans « l'univers clos» que constitue le corpus. Le concept « d'univers
clos» permet de situer le corpus à un niveau d'immanence qui est à la base de
l'analyse du texte. Le sens est exprimé par les informations que le texte contient et
qui peuvent, à l'occasion, être extraites à l'aide d'un programme informatique. Un
programme informatique ne pourra pas extraire d'autres informations à partir du
contexte ou d'une encyclopédie, sauf s'il est programmé pour le faire. Et même dans
ce cas, son univers sera celui auquel le programmeur lui donne accès. Les algorithmes
agissent donc dans des« univers clos» et pour cette raison, l'étape de constitution du
corpus dans le cadre de l'analyse de texte assistée par ordinateur est fondamentale.
Évidemment, elle l'est également dans une analyse« traditionnelle», mais en ATO,
elle est plus critique.

Les disciplines qui utilisent une collection de documents comme objet d'étude ou
comme matière première pour étudier un phénomène humain ou social sont
nombreuses, comme la linguistique, les études littéraires, la sémiotique, la sociologie,
l'anthropologie, les disciplines de la communication, les études culturelles, la
 127

psychologie, l'éducation, etc. Généralement, un corpus peut être défini comme une
collection de documents. Ces derniers peuvent être de différentes natures, par
exemple des documents vidéo, audio, des textes écrits etc. Chaque document est
collecté et rassemblé dans le corpus selon un certain nombre de critères ou principes,
permettant ainsi de construire un corpus à des fins scientifiques, c'est-à-dire pour
répondre à une question de recherche ..

En général, en sémiotique, le corpus a une grande importance. Fabbri (2008) souligne

que l'étude du corpus est un élément fondamental de la recherche sémiotique.
Reprenant les propos de Greimas, Fabbri identifie quatre niveaux dans la recherche
sémiotique : les niveaux épistémologique, théorique, méthodologique et empirique.
En principe, ces quatre niveaux doivent être cohérents entre eux. Le niveau empirique
(cfr. 1.1.4) est généralement fondé sur l'analyse de corpus. Fabbri souligne que la
sémiotique est une discipline à vocation scientifique, car elle accorde une grande
importance au point de vue empirique et donc, à l'analyse de corpus. En d'autres
termes, la sémiotique est orientée vers l'analyse d'objets empiriquement observables
et en revendiquant sa « vocation scientifique », elle a de plus en plus mis le corpus et
une vision empirique de celui-ci au centre de ses recherches (Volli, 2014). Cette
vision de la recherche sémiotique mène à considérer la valeur empirique du corpus
sur la base de ses caractéristiques, dont nous traiterons dans les prochains paragraphes.

Dans un cadre d' ATO, la taille est un des éléments qui détermine la qualité du corpus.
Le corpus utilisé en ATO est souvent très volumineux, car l'analyse d'un corpus de
petite taille ne justifie pas l'utilisation d'outils informatiques. L'analyse traditionnelle
en sémiotique, mais aussi dans toutes les autres disciplines qui font de l'analyse de
corpus une de leurs méthodes, est réalisée sans l'assistance informatique et à travers
l'observation directe des objets qui constituent le corpus. La méthode
« traditionnelle » dépend donc d'une observation systématique et attentive de chaque
 128

objet. En ATO, l'observation directe de chaque objet est le plus souvent exécutée par
des algorithmes, laissant à l'humain le soin d'observer des échantillons plus petits. Ce
transfert de compétence de l'humain à la machine conduit, selon Rastier, à la
découverte de « nouveaux observables» (Rastier, 2011), c'est-à-dire des observables
qui n'auraient pas pu être identifiés sans une assistance par ordinateur. Enfin, l 'ATO
apporte deux avantages: elle accélère l'analyse par rapport aux pratiques
traditionnelles et elle donne accès à des nouveaux observables qui échapperaient à
l'analyse manuelle.

Avant de passer à la définition de corpus et à la description de ses caractéristiques et

propriétés, nous estimons nécessaire d'introduire les quatre niveaux du corpus, tels
que définis par Rastier. La constitution du corpus doit tenir toujours compte de ces
niveaux. L'archive correspond à « l'ensemble des documents accessibles pour une
tâche de description ou une application». Par définition, l'archive est un ensemble
sans forme, non systématique, pour lequel il est difficile d'avoir une vue globale. Le
corpus de référence est un ensemble de documents plus généraux, qui composent un
fond au corpus qui sera matériellement étudié. Il situe déjà le corpus à l'intérieur
d'une recherche particulière qui poursuit des objectifs spécifiques. Le corpus d'étude
est l'ensemble de textes collectés sur lesquels l'analyse est effectuée. Dans ce cadre,
le corpus d'étude est l'échantillon d'une population, soit le corpus de référence. Les
sous-corpus de travail peuvent varier selon la recherche ou les différentes phases de
l'étude. ·ce sont de sous-groupes du corpus d'étude.

Dans les prochains paragraphes, nous définirons le concept de corpus, décrirons les
critères les plus utilisés pour sa construction et les méthodes de collecte et
d'échantillonnage. À notre avis, chacun de ces aspects doit faire partie de la
constitution du corpus dans un cadre d' ATO.
 129

3.1 Définition de corpus

Le corpus est un outil de recherche qui est utilisé par plusieurs disciplines et
domaines de recherche. Synthétiser toutes les définitions existantes est une opération
complexe et de plus, non pertinente dans le cadre de cette recherche. L'objectif de
cette section est d'élaborer une définition de corpus qui soit cohérente avec notre
étude, qui se situe dans le cadre de l'analyse de la presse, et avec notre méthode de
recherche, qui est un hybride entre sémiotique et text mining.

Le point de départ est la définition suivante : le corpus est une collection de

documents qui sont utilisés pour répondre à une question de recherche spécifique.
Cette définition s'inspire de la notion de corpus en linguistique, où il est souvent
défini en ces termes :

[un corpus est un] ensemble d'énoncés écrits ou enregistrés dont on se sert pour
la description linguistique. La méthode du corpus s'impose dans le domaine
descriptif, car il est impossible de recueillir tous les énoncés d'une communauté
linguistique à un moment donné, et dangereux de fabriquer ses exemples soi-
même. Le linguiste limite la taille du corpus d'une manière plus ou moins
arbitraire tout en essayant de le rendre représentatif de l'état de langue en
question » (Mounin, 2004, p. 89)

Cette définition met de l'avant un certain nombre d'éléments pertinents dans le cadre
de la présente recherche. Premièrement, le corpus y est défini comme étant la
matérialité (au sens de physicalité 13 ) à travers laquelle on étudie la réalité. En·
particulier, le corpus est un objet dont « on se sert» pour décrire un phénomène
linguistique, par exemple l'utilisation du passé simple dans les textes du moyen-âge,
ou un phénomène de nature différente. Le rôle du corpus est fonctionnel. C'est un

13
Il est possible de l'interpréter comme l'ensemble des objets visibles et tangibles qu'on collection
pour étudier un phénomène du monde
 130

moyen poµr décrire un phénomène humain ou social. Le corpus est le lieu où la

réalité externe et l'univers du chercheur se rencontrent. La description d'un
phénomène devient possible par la matérialité du corpus, qui est composé d'objets
concrets et réels, c'est-à-dire des documents. Chaque document est une manifestation
du phénomène à l'étude. La potentialité descriptive du corpus dépasse celle du simple
document ou de la manifestation isolée. La collection de plusieurs manifestations 14
d'un phénomène augmente la potentialité descriptive du phénomène. Pour que la
force descriptive du corpus soit effective, les documents récoltés doivent respecter un
certain nombre de critères qui garantissent la sélection de manifestations effectives du
phénomène étudié.

Deuxièmement, l'utilisation d'un corpus implique une approche empirique. En effet,

le pratique de l'analyse d'un corpus suggère une posture épistémologique de type
empirique, car la méthode pour atteindre la connaissance se base sur l'observation de
la matérialité du corpus. Cette perspective peut être plus ou moins radicale, mais elle
est toujours présente lorsqu'on analyse un corpus pour décrire un phénomène.

Troisièmement, la « méthode du corpus» exige aussi l'établissement de règles de

sélection. Si un document doit respecter des critères précis afin de faire partie du
corpus, la sélection des documents doit donc respecter des règles. La méthode de
sélection de documents peut varier d'une discipline à l'autre et elle peut être plus ou
moins systématique ou arbitraire, mais elle représente un élément très important de la
démarche, car il n'existe pas de description possible sans une sélection pertinente. La
sélection se présente aussi comme une question pratique, car il est effectivement

14
Il ne faut pas voir les manifestations comme une répétition de la même manifestation identique.
Ce sont plusieurs manifestations, non identiques, chacune avec sa particularité et son contexte de
production, qui apportent richesse à la matérialité d'un corpus.
 131

impossible d'obtenir l'extension complète des manifestations perceptibles d'un

phénomène.

Enfin, le corpus est un échantillon de toutes les manifestations possibles d'un

phénomène et sa taille est déterminée en suivant des règles plus ou moins arbitraires.
Un échantillon d'un phénomène n'est pas le phénomène, mais plutôt un « univers
clos » à partir duquel généraliser des règles de fonctionnement du phénomène.
Toutefois, il demeure possible que le corpus ne soit pas adapté pour la découverte de
toutes les propriétés d'un phénomène. Prendre conscience des caractéristiques du
corpus et de ses potentialités descriptives est une étape de la« méthode du corpus»,
ce qui mène à l'idée qu'un corpus doit être représentatif du phénomène étudié ou
d'une partie de ce dernier.

La propriété descriptive du corpus est au cœur de la « méthode du corpus » en

linguistique et ceci en raison de caractéristiques propres à cette discipline et aux
typologies de questions de recherche qui y sont posées. Le lien entre une question de
recherche et un corpus est abordé dans l'extrait suivant: .

La grammaire descriptive d'une langue s'établit à partir d'un ensemble

d'énoncés qu'on soumet à l'analyse et qui constitue le corpus de la recherche. Il
est utile de distinguer le corpus des termes voisins désignant des ensembles
d'énoncés : l' « univers » est l'ensemble des énoncés tenus dans une circonstance
donnée, tant que le chercheur n'a pas décidé si ces énoncés entraient en totalité
ou en partie dans la matière de sa recherche. [ ... ] La totalité des énoncés
recueillis est l'univers du discours. (Dubois, 2002, p. 123)

L'« univers clos» du corpus est construit à des fins de recherche spécifique et ceci
détermine la collecte de documents et la pertinence d'un corpus. Les linguistes sont
habitués à recueillir des énoncés « tenus dans une circonstance donnée » et qui
représentent donc la dite circonstance. L'étude de la langue se prête bien à la
construction de corpus qui peut répondre à une question de recherche spécifique, car
 132

la langue, ou certaines de ses propriétés, est un phénomène qui se manifeste.

Toutefois, la« méthode du corpus» s'applique à tout domaine du savoir. En effet, la
représentativité des documents récoltés dépend de la typologie de recherche qui est
menée et chaque corpus possède sa propre potentialité descriptive en relation avec
une question de recherche et à l'intérieur d'un domaine du savoir.

La terminologie utilisée dans les différentes disciplines peut aussi varier et porter à
confusion. Dubois (ibid.) distingue, par exemple, l'univers de l'univers du discours.
L'univers est l'extension complète du phénomène 15 • Alors que l'univers du discours
est la collection de documents, le corpus. Toutefois, les affirmations de Dubois
contribuent à l'identification d'autres composantes de la notion de corpus, comme le
concept d'échantillon et la méthode de sélection de documents :

À partir de l'univers des énoncés réunis, le linguiste trie les énoncés qu'il va
soumettre à l'analyse: dans le cas qui nous intéresse, ce pourra être l'ensemble
des phrases, ou groupes de phrases, comprenant des mots présentant tel trait
phonétique ou bien une terminaison ou une origine étrangère. Ce sont
uniquement ces segments d'énoncés qui seront soumis à l'analyse et qui
constitueront le corpus. On pourra aussi, sur des bases statistiques, délimiter
soit dans l'univers, soit dans le corpus, des passages qui seront soumis à une
analyse quantitative : par exemple, une page toutes les dix pages; les pages
ainsi retenues constituent un échantillon du texte. Par hypothèse, on considérera
comme échantillon toute partie représentative du tout. Le corpus peut
évidemment, si le chercheur le juge utile ou nécessaire, être constitué par
l'univers d'énoncés tout entier. De même, une analyse quantitative pourra fort
bien se pa$ser d'échantillonnage. Le corpus lui-même ne peut pas être considéré
comme constituant la langue (il reflète le caractère de la situation artificielle
dans laquelle il a été produit et enregistré), mais seulement comme un
échantillon de la langue (Dubois, 2002, p. 124)

Dubois introduit l'idée de distinguer différents statuts du corpus, ce qui a aussi été
élaboré par Rastier, avec les quatre niveaux de corpus décrit au début de ce chapitre.

15
L'archive, selon Rastier, se situerait ainsi entre l'univers et le corpus.
 133

Il existe un corpus composé de l'ensemble des énoncés réunis, mais il existe aussi un
corpus soumis à l'analyse. La proposition de Dubois est donc de trier et de filtrer les
_documents pour sélectionner un sous-corpus qui sera soumis à l'analyse.

La définition ·de corpus qui suit est basée sur des éléments qui sont communément
acceptés par la communauté scientifique et qui peuvent être rattachés à la relation
entre corpus et questions de recherche, mais elle ajoute d'autres nuances:

Les corpus sont ainsi des artefacts, c'est-à-dire des objets construits. Leur
construction répond à un programme de recherches déterminé par un certain
type d'usages langagiers dont ils sont censés n'offrir qu'une représentation
partielle. Aucun corpus ne saurait en effet refléter la langue dans son ensemble,
et se poser en référence universelle (Neveu, 2004, p. 103)

Le corpus est donc un artefact, car il est un objet construit. On ne le trouve pas
naturellement dans le monde. Le processus de construction répond à des règles et plus
particulièrement au besoin de répondre à une question de recherche spécifique.
Toutefois, le corpus ne peut qu'être un échantillon partiel du phénomène et il ne peut
aucunement prétendre à une représentation parfaite du phénomène. Par conséquent, il
est important de bien choisir les documents qui font partie du corpus afin d'en
améliorer la potentialité descriptive du corpus.

Ces concepts reviennent souvent dans les définitions de la notion de corpus, comme
dans la suivante :

Un corpus est une collection de textes d'une langue qui sont sélectionnés et
classés selon des critères linguistiques explicites afin d'être utilisés comme
échantillon de la langue. (Sinclair, 1996) [Notre traduction]

Bien que ces définitions soient tirées de la linguistique, les composantes qu'elles
énoncent ont une valeur plus générale et s'appliquent tant aux études sémiotiques
 134

qu'à d'autres domaines du savoir comme la sociologie. En général, les documents

réunis peuvent avoir différentes formes et appartenir à toutes sortes de productions
sémiotiques16, car un corpus n'est pas d'emblée un corpus linguistique. Ceci dépend
des propriétés spécifiques de ces productions, de la discipline dans laquelle l'étude
s'inscrit et des questions de recherche qui sont posées. Il n'est pas rare qu'un corpus
comporte des collections d'images photographiques, d'images picturales, de
séquences vidéo, d'installations artistiques, etc. En anthropologie ou en sociologie,
par exemple, il est plus fréquent de réunir des interviews réalisées en faisant du
terrain. La nature du document peut être variée, mais elle peut aussi changer en
fonction du genre. Par exemple, en études littéraires, il est fréquent d'étudier un genre
littéraire plutôt qu'un autre, et donc de distinguer les documents sur la base d'une
catégorie ontologique s'appuyant sur le genre. Les critères de sélections peuvent être
·différents et varier d'une discipline à l'autre ou d'une recherche à l'autre. Toutefois,
les composantes qui ont été décrites précédemment demeurent importantes pour toute
recherche qui adopte la « méthode du corpus », dont l'objectif est de réunir des
exemplaires d'un phénomène spécifique.

Dans les sections précédentes, les principes généraux de constitution d'un corpus ont
été énoncés. Toutefois, la notion de corpus nécessite d'être détaillée davantage. En
particulier, les critères, les méthodes de collecte et d'échantillonnage qui s'appliquent
au contexte de recherche de la présente étude doivent être précisés. Pour ce faire,
nous utilisons comme point de départ, la définition de corpus donnée par Greimas :

Constituer un corpus ne signifie donc pas simplement se préparer à la

description, car de ce choix préalable dépend, en définitive, la valeur de la
description, et, inversement, on ne pourra juger de la valeur du corpus qu'une
fois la description achevée[ ... ] Un certain nombre de précautions et de conseils
pratiques doivent donc entourer ce choix, afin de réduire, autant que possible, la
16
Rastier, par exemple, considère qu'un bon corpus doit être homogène au niveau du genre.
 135

part de subjectivité qui s'y manifeste. On dira qu'un corpus, pour être bien
constitué, doit satisfaire à trois conditions : être représentatif, exhaustif et
homogène (Greimas 1966, p. 142-143)

Ainsi, le corpus est décrit comme un objet qui doit essentiellement satisfaire trois
conditions : représentativité, exhaustivité et homogénéité. Ces critères ou conditions
constituent des éléments fondamentaux du processus de construction du corpus et en
détermine sa qualité, laquelle influence la qualité des résultats qu'on peut obtenir.
Dans les prochains paragraphes, nous allons raffiner la notion de corpus présentée
plus haut en y ajoutant de nouveaux critères tout en reprenant ceux énoncés par
Greimas.

3.2 Critères de constitution du corpus

3.2.1 Orientation

L'orientation est le premier critèr~ de constitution d'un corpus. Son rôle est de
déterminer le passage de l'archive au corpus de référence. Sa caractéristique
principale est de rendre cohérent le corpus en fonction d'une question de recherche. Il
est donc le critère qui assure le lien entre la nature de la recherche et la matérialité
empirique mise en place pour l'analyse. Un corpus est donc orienté sur le projet de
recherche par le biais de son corpus de référence.

Ce critère est identifié explicitement en linguistique et, plus particulièrement, dans la

tradition linguistique anglo-saxonne. Par exemple, Wynne (2005) définit l'orientation
comme le premier critère à adopter pour la construction d'un corpus, car il force le
chercheur à s'orienter vers le langage ou la variété de langage qui doit être
échantillonné. Les préoccupations de Wynne sont celles d'un sociolinguiste et dans
ce cadre, le critère de l'orientation présente une valeur sociologique. Un phénomène
linguistique qui est approché de manière sociale implique la construction d'un corpus
 136

qui est orienté vers la communauté linguistique de référence. Dans ce contexte,

l'orientation assure le lien entre l'aspect sociologique et l'aspect linguistique de la
recherche. Ce critère peut, tout de même, être généralisé à toute construction de
corpus. En effet, l'orientation ne doit pas toujours assurer un lien sociologique avec la
matérialité à l'étude, mais elle doit surtout assurer l'identification de la classe
d'exemplaires d'un phénomène et ceci, en fonction d'une recherche précise, y
compris ses hypothèses et ses objectifs.

L'orientation fait donc le lien entre une question de recherche et le corpus, et ceci
conduit à d'autres considérations:

Il faut donc constamment garder à l'esprit que le corpus n'est peut-être pas
l'échantillon le plus approprié pour toutes les études que l'on pourrait souhaiter
mener. Plus l'objectif que nous avons en tête pour un corpus est spécifique,
mieux sera la collecte de données (Clear, 1992, p. 26-27) [Notre traduction]

Dans ce passage, Clear souligne un élément déjà énoncé dans le paragraphe

précédent : un corpus ne peut pas être un échantillon approprié pour toutes les études
à réaliser. Pour cette raison, plus l'objectif que nous avons en tête pour un corpus est
spécifique, plus la collecte de données sera efficace.

La première étape de construction d'un corpus est donc fondamentale pour la réussite
du processus. L'orientation met en place les premiers éléments structurants de la
conception générale du processus de constitution :

Certains de ces éléments structurants de la construction d'un corpus concernent

la conception générale : par exemple, les types de textes inclus, le nombre de
textes, la sélection de textes particuliers, la sélection d'échantillons de texte et
leur longueur (Biber, 1993, p. 243) [Notre traduction]
 137

Ce genre de considérations préalables à la construction d'un corpus peut changer

selon le type de recherche qui est menée. Ces considérations sont aussi importantes
en sémiotique :

Au sens restreint, il s'agit d'un produit ou d'un groupe de produits sémiotiques

intégraux retenus sur la base de critères objectifs, conscients, explicites,
rigoureux et pertinents pour l'application souhaitée (Hébert, 2016, p. 86)

Dans cet extrait, Hébert énumère un certain nombre de critères qui doivent être
considérés lors de la construction d'un corpus et les relie tous à la question de
recherche et à l'application du corpus qui sera faite dans le projet de recherche.

Les mêmes considérations entrent en jeu dans d'autres disciplines comme l'analyse
du discours :

le corpus n'est pas un simple recueil de textes qui serait à disposition et qu'il
suffirait de compiler. Il est construit en fonction des questions et des hypothèses
de recherche, voire même en fonction de la conception que l'on a de l'analyse
du discours, ou encore des outils ou des catégories que l'on utilise (Née, 2017,
p. 41)

Née souligne ici encore plus fortement le lien entre la recherche et la construction de
corpus, en ajoutant l'approche, le cadre théorique et la méthodologie d'une-recherche
comme éléments d'orientation d'un corpus, ce qui est aussi très important dans un
cadre d'analyse de texte assistée par ordinateur:

Le choix d'un corpus présuppose ... que ce corpus constitue bien un objet
d'étude; c'est-à-dire, que l'analyste le perçoive comme une entité ou un objet
dans l'univers référentiel qui l'intéresse. En définitive, même si ce n'est que de
manière implicite, l'analyste fait des hypothèses sur les conditions d'existence
de cet objet, sur ses lois de production, sur les paramètres qui le font
reconnaître dans cet univers référentiel (Reinert, 1990, p. 27)
 138

Dans ce dernier passage, on souligne à nouveau l'importance de construire un corpus

pour l'étude d'un phénomène qui est abordé par la construction d'hypothèses et des
questions de recherche précises.

Enfin, dans cette première phase de planification du processus de construction du

corpus, des questions de nature administrative peuvent également apparaître :

La phase de planification de la construction du corpus visera à spécifier des

éléments de deux domaines connexes: la conception linguistique du corpus et
les coûts d'administration du projet (Atkins et al., 1992, p. 3) [Notre traduction]

Atkins souligne les aspects de nature administrative à prendre en compte dans la

phase de planification d'un corpus, ce qui ajoute un autre élément au concept
d'orientation. Ainsi le corpus. doit respecter l'orientation du projet de recherche en
tenant aussi compte des ressources prévues.

Pour l'étude de l'opinion publique par exemple, différents corpus peuvent être
construits, selon le cadre de recherche et l'approche théorique ou l'objectif de
recherche. Certains s'orienteront vers un corpus contenant des interviews
téléphoniques réalisés auprès de citoyens, d'autres vers la collecte d'articles de
journaux ou d'émissions radio. Ces choix impliquent que le corpus est orienté sur la
recherche et toutes ses composantes, comme la problématique, la question de
recherche, le cadre théorique, la méthodologie ainsi que la planification et des
ressources, y compris celles budgétaires et de temps.

3.2.2 Pertinence

L'identification d'une archive et le passage au corpus de référence est donc la

première étape de construction d'un corpus. Ce premier processus est encadré par le
critère de l'orientation. D'autres critères sont importants pour déterminer le matériel
 139

empirique qui sera effectivement utilisé dans l'analyse et donc, pour établir le corpus
d'étude. Le premier est celui de la pertinence qui selon Rastier s'applique de manière
transversale aux différents niveaux du corpus, tout en devenant opératoire lors de la
construction du corpus d'étude. Lors du passage du corpus de référence au corpus
d'étude, la pertinence du matériel utilisé joue un rôle prépondérant et limite de
manière directe le processus de sélection et de collecte des exemplaires du
phénomène à l'étude. Rastier affirme que« il faut s'assurer que le corpus traité ait été
recueilli correctement et qu'il est entièrement pertinent pour la tâche à accomplir»
(Rastier, 2005b, p. 75).

Le critère de pertinence semble donc se fondre avec celui d'orientation. Toutefois, la

pertinence est un élément qui s'applique surtout lors de la récolte des documents et
moins dans la phase de planification. Elle s'applique à chaque exemplaire qui est
ajouté à la récolte et mène au corpus d'étude. Le processus de sélection des
exemplaires doit donc respecter une règle de pertinence :

Règle de pertinence : Les documents retenus doivent être adéquats comme

source d'information pour correspondre à l'objectif qui suscite l'analyse
(Bardin, 1977, p. 128)

Bardin souligne l'importance de ne retenir que les documents qui sont des sources
d'information adéquates pour répondre à une question de recherche et pour atteindre
un objectif précis. Le processus de sélection des éléments qui constitueront le corpus
d'étude est exécuté sur le corpus orienté, c'est-à-dire sur le corpus de référence, et il
doit respecter la règle de pertinence, ce qui assure le lien entre la matérialité
empirique du phénomène et la question de recherche.

En d'autres. termes, la pertinence semble assumer un rôle similaire à celui de

l'orientation, mais elle s'applique à un niveau différent de la construction du corpus.
Chaque document doit faire partie d'un corpus orienté, mais doit aussi répondre à des
 140

questions de ce genre: est-ce que le document est un exemplaire du phénomène

étudié et son analyse permet-elle d'atteindre l'objectif de la recherche? Pour que le
document soit pertinent, le chercheur devra s'assurer qu'il est un exemplaire du
phénomène à l'étude et qu'il contient les propriétés qui seront l'obje! de la phase
d'analyse du corpus.

Si on veut étudier le rôle des personnages féminins dans les productions de Walt
Disney, quel est le corpus de référence et quel est le corpus d'étude? Et comment
l'orientation et la pertinence se combinent-elles? Dans une première phase, le
chercheur s'orientera vers une typologie de documents, sur la base de la nature de la
recherche. Il est possible, par exemple, d'identifier le corpus de référence avec
l'œuvre complète de Walt Disney_ et ainsi, de trouver un corpus orienté. Toutefois, ce
ne sont pas tous les documents du corpus de référence qui sont pertinents pour
atteindre l'objectif de recherche. Il faudra donc effectuer un choix pour construire le
corpus d'étude. Il est possible, par exemple de définir comme pertinents tous les
extraits des films de Walt Disney où les personnages masculins parlent à des
personnages féminins, ou toutes les scènes dans lesquelles les personnages féminins
prennent la parole ou toutes les scènes où les personnages féminins apparaissent, etc.

Enfin, la pertinence réduit le bruit, phénomène qui généralement diminue la qualité

du corpus. Le bruit désigne le nombre de documents d'un corpus qui ne sont pas
pertinents pour l'analyse. Il définit donc le phénomène de « fourvoiement» qu'un
certain nombre d'éléments du corpus a sur l'analyse, car, bien que respectant
quelques critères, ces documents ne sont pas pertinents pour une étude particulière.
Le bruit est un phénomène spéculaire à celui du silence, qui est abordé dans le critère
de l'exhaustivité.
 141

3.2.3 Cohérence ou homogénéité

Un corpus doit aussi respecter des critères qui sont internes à la collection, comme la
cohérence ou homogénéité. Un corpus est homogène si tous les éléments qui le
composent partagent un certain nombre de caractéristiques. Ce critère contribue à
améliorer la qualité de la collection et à bien cibler les _documents sur la base des
propriétés qu'ils contiennent. La cohérence ou homogénéité fait partie du groupe de
critères fondamentaux pour la construction d'un corpus et elle est définie de manière
non ambiguë :

Règle d'homogénéité: les documents retenus doivent être homogènes, c'est-à-

dire obéir à des critères de choix précis et ne pas présenter trop de singularité en
dehors de ces critères de choix. Par exemple, des entretiens d'enquête, effectués
sur un thème donné, doivent : être tous concernés par ce thème, avoir été
obtenus par des techniques identiques, être le fait d'individus comparables.
Cette règle est surtout utilisée lorsqu'on désire obtenir des résultats globaux ou
comparer les résultats individuels entre eux (Bardin, 1977, p. 128)

Bardin souligne ici l'importance d'établir des critères de c~oix précis lors de la
récolte de~ documents. La collection finale ne doit pas présenter de documents ayant
des propriétés qui ne respectent pas totalement les critères de choix et de collecte. En
particulier, les éléments doivent partager un certain nombre de propriétés pour que le
corpus soit homogène, et c'est la présence ou l'absence de ces propriétés qui fait
partie des critères de sélection des documents. Un corpus homogène améliore la
qualité des résultats et augmente la fiabilité des analyses et des interprétations. Ainsi,
l'homogénéité est souvent considérée comme un indice de fiabilité. Toutefois, le
critère de l'homogénéité peut s'appliquer selon différents degrés, d'un niveau plus
radical, qui mène à des corpus très homogènes, à un niveau plus souple, qui produit
des corpus moins homogènes. Le degré d'application du critère d'homogénéité
dépend aussi de la nature de la recherche et de la typologie de l'objet de recherche
 142

Cependant, il demeure important de prendre conscience des impacts que ce critère a

au niveau des résultats et des interprétations qu'on peut tirer de l'analyse du corpus.

Il est également important de distinguer l'homogénéité de l'hétérogénéité. Dans le

contexte de la constitution du corpus, ces deux critères ne sont pas opposés mais
complémentaires comme l'illustre le paragraphe suivant. L'adjectif qui s'oppose le
mieux à« homogène» est hétéroclite, qui met de l'avant le concept d' « étrange ».

Lorsque nous utilisons [le terme corpus], nous sous-entendons « corpus de

documents homogènes», à savoir un ensemble de documents qui ne soit pas
hétéroclite. Il ne s'agit pas de considérer n'importe quel ensemble de
documents sans aucun rapport les uns avec les autres. Par exemple, un
ensemble de brevets relatifs aux céramiques, un ensemble de publications
mondiales sur l'intelligence artificielle constituent pour nous, des corpus
homogènes (Chartron, 1988, p. 16)

Selon Chartron, l'homogénéité est une composante implicite de la notion de corpus.

L'auteur souligne le rôle de l'homogénéité en opposition au concept d'ensemble
hétéroclite. Un corpus n'est pas un ensemble des documents qui n'ont« aucun rapport
les uns avec les autres », mais est plutôt composée de documents qui partagent des
propriétés entre eux, ce qui, au final, constitue le fondement du concept de corpus lui-
même.

3.2.4 Hétérogénéité

Le critère d'homogénéité essaie de limiter les impacts négatifs qu'un ensemble

<

hétéroclite peut avoir sur la qualité de résultats et sur la qualité des interprétations. La
qualité des résultats et la fiabilité des analyses dépendent aussi de la qualité des
sources d'information qui doivent être hétérogènes le plus possible, ceci afin d'éviter
les biais qu'une homogénéité des sources d'information peut apporter.
 143

Un corpus de référence n'est pas une collection de: matériel provenant de

différents domaines spécialisés - technique, dialectal, juvénile, etc. Il est une
collection de materiel homogène, mais qui est regrouppé à partir de sources
variées ainsi que l'individualité de la source soit éclipsée, à moins que le
chercheur ne veuille isoler un texte particulier. La diversité des sources est une
protection essentielle, jusqu'à ce que des travaux tels que les catégorisations de
Biber (1988) utilisant des critères linguistiques internes aient suffisamment
avancé pour permettre un échantillonnage efficace (Sinclair, 1991, p. 17-18)
[Notre traduction]

Selon Sinclair, le corpus doit donc refléter la variété des sources en lien avec le
phénomène étudié, mais selon un degré de pertinence avec l'objectif de la recherche.
Le critère de l'hétérogénéité est mieux respecté si la variété des sources d'information
apporte des avantages en termes d'analyse du phénomène et de possibilité d'atteindre
les objectifs. L'application de ce critère peut donc varier selon la nature de la
recherche, le domaine du savoir ou l'objectif de la recherche. En effet, en sciences
humaines, il n'est pas rare de voir des sources peu hétérogènes et, des fois, même
uniques, comme dans des recherches qui portent sur l'analyse d'un seul journal, ou
d'une seule œuvre d'un seul philosophe; ce qui n'affecte point la qualité de l'analyse.
Dans le cas de l'étude de la tendance de vote en sciences politiques, au contraire, la
qualité de résultats et la valeur prédictive de l'étude sont étroitement liées à la variété
socio-culturelle des répondants. Le critère d'hétérogénéité ne s'applique donc pas à
tout corpus, mais cela dépend fortement du type de questions de recherche qui sont
posées.

3.2.5 Exhaustivité

Le critère d'exhaustivité est partiellement lié à celui d'hétérogénéité. Comme on l'a

vu, la variété des sources d'information peut être déterminante pour l'étude de
certains phénomènes. Quant à l'exhaustivité, elle met de l'avant la qualité de la
couverture du phénomène par le corpus. Il faut donc bien évaluer les sources
d'information et les documents qui doivent nécessairement être inclus dans le corpus
 144

d'étude. En respectant toujours les limites qui sont imposées par les autres critères,
l'exhaustivité assure qu'aucune source d'information ou document ne soit négligée
pour des raisons non motivées.

Règle de l'exhaustivité: une fois défini le champ du corpus (entretiens d'une

enquête, réponses à un questionnaire, éditoriaux d'un quotidien de Paris entre
telle et telle date, émissions de télévision concernant tel sujet, etc.), il faut
prendre en compte tous les éléments de celui-ci. Autrement dit, il n'y a pas lieu
d'ignorer Ùn élément pour une raison quelconque (difficulté d'accès,
impression de non-intérêt) non justifiable sur le plan de la rigueur. Cette règle
est complétée par la règle de non-sélectivité. Par exemple, on réunit un matériel
d'analyse des publicités pour automobiles parues dans la presse pendant une
année. Toute annonce publicitaire répondant à ces critères doit être recensée.
(Bardin, 1977, p. 127)

L'exhaustivité représente un besoin de rigueur dans la constitution du corpus. Sur la

base de la question de recherche, le matériel empirique visé pour l'analyse doit être le
plus possible complet et couvrir le plus possible l'étendue du phénomène à l'étude.
L'exhaustivité détermine la qualité de l'étude et son niveau de fiabilité. L'importance
d'avoir un corpus exhaustif est souvent mise de l'avant dans les recherches en
sciences humaines :

Le principe d'exhaustivité a été considéré, tout le long du XIXe siècle - et il

l'est encore aujourd'hui - , comme la condition sine qua non de toute
recherche humaniste. (Greimas, 1966, p. 143)

Greimas souligne que l'exhaustivité est une condition sine qua non. Mais,
l'exhaustivité «pure» est impossible en général. Une étape de filtrage est donc
requise. Ainsi, tous les éléments qui caractérisent un certain phénomène sont
également importants, mais ceci est vrai si et seulement si ces éléments sont
cohérents et pertinents pour la recherche :
 145

Le corpus doit avoir un niveau de détail adapté aux besoins de l'analyse : les
adaptations nécessaires peuvent être soit de l'enrichir et de l'affiner, soit
d'ajuster, par réduction, le niveau de discrétisation de la réalité à représenter
réalisée à partir des données. (Bommier-Pincemin, 1999, p. 418)

Il faut donc prévoir que certains types d'adaptation sont requis pour respecter le
critère d'exhaustivité tout en restant cohérent avec les objectifs de la recherche. En
effet, si les documents collectés ne sont pas suffisants pour couvrir l'étendue du
phénomène à étudier en fonction de la question de recherche, alors il devient
nécessaire d'enrichir le corpus. Toutefois, le respect de l'exhaustivité peut aussi
conduire à évaluer le « niveau de discrétisation de la réalité à représenter », ce qui
implique à l'occasion une révision des objectifs de la recherche. L'exhaustivité
amène le chercheur à réfléchir sur la disponibilité des données et, par conséquent, sur
la nature de la recherche. En d'autres termes, il est possible que le respect de ce
critère entraîne une adaptation de la question de recherche et une délimitation du
phénomène étudié. Dans certains cas, ce dernier élément constitue la base même de la
définition du critère d'exhaustivité :

L'exhaustivité du corpus est [... ] à concevoir comme l'adéquation du modèle à

construire à la totalité de ses éléments implicitement contenus dans le corpus.
(Greimas, 1966, p. 143)

Il existe alors l'exhaustivité du phénomène et l'exhaustivité d'un échantillon,

lesquelles sont inévitablement reliées. Lorsqu'on a accès aux données, il faut se poser
la question de leur exhaustivité par rapport à quel phénomène ou portion du
phénomène. Ainsi défini, ce critère permet d'adapter la recherche aux données
disponibles, ce qui est extrêmement important en sciences humaines, car il est très
fréquent qu'on ne puisse atteindre l'étendue complète d'un phénomène.

Dans ce contexte, l'exhaustivité et la représentativité (dont nous parlerons dans le

prochain paragraphe) sont liées aux méthodes d'échantillonnage :
 146

[E]xhaustivité: l'exhaustivité des données (qui assure à l'analyse une base

intrinsèque [...]) peut, conformément au principe d'équivalence
distributionnelle, être assurée par une partition [...], ou [par le] choix d'un
échantillon fini (éventuellement stratifié [...]) sur un espace potentiel continu
(Benzécri, 1973)

Dans cet extrait, Benzécri élabore la définition d'exhaustivité en relation étroite avec
la construction d'un échantillon fini. Évidemment, la nature de l'échantillon dépend
du type d' « espace potentiel continu» visé par la question de recherche. L'échantillon
est un concept central dans le processus de constitution du corpus. Les méthodes
d'échantillonnage doivent alors permettre d'équilibrer les différents critères de
constitution du corpus, dont celui d'exhaustivité.

Enfin, le silence est un élément directement relié à l'exhaustivité. Le silence est le

phénomène qui affecte négativement la · qualité du corpus et· qui définit,
consciemment ou inconsciemment, tout ce qui a été mis à l'écart relativement au
phénomène à l'étude. Une portion du phénomène non représentée dans le corpus
constitue une portion de silence du phénomène. Le phénomène du silence est
spéculaire à celui du bruit, qui est lié au critère de pertinence. À nouveau, le critère
d'exhaustivité souligne l'importance de construire un corpus pour la recherche et
pour répondre à des objectifs spécifiques et ceci, par le biais d'un processus
d'adaptation interactif circulaire qui va du corpus au phénomène à l'étude et vice-
versa, en ajustant au besoin le niveau de silence du phénomène.

3.2.6 Réprésentativité

La représentativité est l'un des critères les plus importants du processus de

constitution d'un corpus et est associé à plusieurs autres critères, tel celui
d'exhaustivité. Un corpus doit être représentatif de la réalité qu'on veut décrire ou
pour laquelle on veut inférer des règles de fonctionnement. Pour être représentatif, un
corpus doit refléter la réalité, c'est-à-dire qu'il doit regrouper un certain nombre de
 147

cas qui expriment les propriétés du phénomène à l'étude. Les résultats d'une
recherche et leur niveau d'interprétabilité sont particulièrement sensibles au niveau de
représentativité des données. Les résultats peuvent être considérés comme
significatifs si un degré minimal de représentativité est atteint. En linguistique,
comme pour d'autres disciplines, la représentativité est fondamentale:

Pour que [le corpus] soit représentatif du système, il faut qu'il manifeste tous
les types de situations dans lesquelles le système est amené à fonctionner,
autrement dit qu'il fasse apparaître la totalité du champ des signifiés (Martinet,
1975, p. 192)

Le lien entre l'exhaustivité et la représentativité est souligné. Pour qu'un corpus soit
représentatif, il faut contrôler le niveau d'exhaustivité, car si une certaine portion du
phénomène à l'étude n'est pas représentée par le corpus, alors il sera nécessaire
d'augmenter à la fois l'exhaustivité et la représentativité. Tel qu'indiqué dans le
paragraphe précédent, le lien entre ces deux critères est ancré dans le concept
d'échantillonnage :

Le corpus lui-même ne peut pas être considéré comme constituant la langue (il
reflète le caractère de la situation artificielle dans laquelle il a été produit et
enregistré), mais seulement comme un échantillon de la langue. Le corpus doit
être représentatif, c'est-à-dire qu'il doit illustrer toute la gamme des
caractéristiques structurelles. On pourrait penser que les difficultés sont levées
si un corpus est exhaustif, c'est-à-dire s'il réunit tous les textes produits. En
réalité, le nombre d'énoncés possibles étant indéfini, il n'y a pas d'exhaustivité
véritable et, en outre, de grandes quantités de données inutiles ne peuvent que
compliquer la recherche en l'alourdissant. Le linguiste doit donc chercher à
obtenir un corpus réellement représentatif et écarter tout ce qui peut rendre son
corpus non représentatif (méthode d'enquête choisie, anomalie que constitue
l'intrusion du linguiste, préjugé sur la langue, etc.), en veillant à éviter tout ce
qui conduit à un artefact (Dubois, 2002, p. 124)

L'échantillon permet donc d'établir un équilibre entre l'exhaustivité et la

représentativité. L'exhaustivité complète étant souvent impossible à atteindre, il est
 148

nécessaire de porter une très grande attention à la représentativité des documents qui
peuvent être collectés ou aux· sources d'information disponibles. Dubois précise
comment déterminer si un corpus est représentatif:

Un ensemble d'énoncés est représentatif quand il contient tous les traits

concernés par la recherche et sur lesquels on veut formuler des conclusions; un
corpus représentatif d'une langue comporte toutes les caractéristiques
structurelles de cette langue impliquée par la recherche (Dubois, 2002, p. 410)

Dubois met de l'avant l'attention qui doit être portée aux propriétés du phénomène
qui sont à l'étude lors de la collecte et de l'évaluation de la représentativité d'un
document. Le corpus sera représentatif si tous les traits du phénomène ou
caractéristiques structurales sont représentés par un certain nombre de documents et
ce, peu importe la discipline dans laquelle la recherche s'inscrit. L'obtention d'un
corpus représentatif implique la détermination de règles de sélection des éléments du
corpus afin de gérer la redondance du matériel à l'étude :

Le corpus n'est[ ...] jamais que partiel, et ce serait renoncer à la description que
de chercher à assimiler, sans plus, l'idée de sa représentativité à celle de la
totalité de la manifestation. Ce qui permet de soutenir que le corpus, tout en
restant partiel, peut être représentatif, ce sont les traits fondamentaux du
fonctionnement du discours retenus sous les noms de redondance et de clôture.
Nous avons vu que toute manifestation est itérative, que le discours tend très
vite à se fermer sur lui-même: autrement dit, la manière d'être du discours
porte en elle-même les conditions de sa représentativité. (Greimas, 1966, p. 143)

Dans cet extrait, Greimas souligne la possibilité d'avoir un corpus exhaustif et

représentatif et. ce, sans que la totalité de l'étendue du phénomène à l'étude fasse
partie du corpus. Un corpus partiel peut et doit être un corpus exhaustif et
représentatif. Grâce à la redondance de certaines propriétés du phénomène. Pour que
le corpus soit représentatif, le chercheur . doit donc identifier la redondance du
matériel récolté et sélectionner un nombre limité de documents garantissant la
 149

représentativité du phénomène. Dans ce cadre, il est nécessaire d'être conscient des

limites de l'échantillon :

Tous les échantillons sont biaisés d'une manière ou d'une autre. En effet, le
problème de l'échantillonnage est le fait qu'un corpus est inévitablement biaisé
à certains égards. Les utilisateurs du corpus doivent continuellement évaluer les
résultats tirés de leurs études et doivent rapporter les difficultés qui derive~t des
biais. (Atkins et al., 1992, p. 5 -7) [Notre traduction]

Atkins souligne que tout échantillon est biaisé et que le corpus parfait est
pratiquement une utopie. Le chercheur doit alors déterminer, au fur et à mesure que
sa recherche avance, les adaptations à faire sur le corpus, en améliorant le plus
possible l'équilibre entre question de recherche et collecte de données. Cette relation
entre échantillon et représentativité est au cœur du concept de corpus de plusieurs
auteurs:

L'unité d'échantillonnage doit être suffisamment grande pour bien représenter le

phénomène étudié (Neuendorf, 2002, p. 73) [Notre traduction]

Un échantillon est dit représentatif s'il possède la même «structure>> que la

population de référence. Cela signifie que les différents sous-groupes qui
composent cet échantillon doivent représenter une part identique à la part qu'ils
représentent dans la population [ ... ] La notion de représentativité n'a pas de
sens si on ne précise pas la population à laquelle l'échantillon se réfère et les
critères ou variables dont les distributions sont respectées. Un échantillon n'est
pas « représentatif», il peut simplement être « représentatif d'une population au
sens d'une série de critères». Quand on entend ou qu'on dit qu'un échantillon
est représentatif, il faut se demander : 1°) représentatif de quoi (de quelle
population) ? 2°) au sens de quels critères (quels sont les caractères ou les
variables dont les· distributions sont respectées)? (Martin, 2009, p. 23)

Un nouveau concept émerge du dernier extrait, soit celui de population. La

population est l'ensemble des occurrences d'un phénomène ou des sources
d'informations pertinentes pour son étude. Dans ce contexte, un corpus est
représentatif en relation avec la population de référence et il peut être assimilé au
 150

corpus de référence défini par Rastier. Le concept d'échantillon, qui est synonyme de
celui de corpus d'étude, prend forme à partir du concept de population:

Un échantillon est représentatif d'une population si son étude conduit à des

conclusions similaires à celles auxquelles on aboutirait en étudiant l'ensemble
de la population (Krippendorff, 2004, p. 112) [Notre traduction]

Règle de représentativité : On peut, lorsque le matériel s'y prête, effectuer

l'analyse sur échantillon. L'échantillonnage est dit rigoureux si l'échantillon est
une partie représentative de l'univers de départ. Dans ce cas, les résultats
obtenus sur échantillon seront généralisables à tout l'ensemble (Bardin, 1977, p.
127)

Un échantillon représentatif doit .donc posséder les mêmes propriétés que la

population et, en principe, permettre à chaque exemplaire du phénomène de faire
partie du corpus d'étude.

En conclusion, la constitution du corpus est un processus interactif qui doit tenir

compte de l'application de différents critères et qui nécessite un échantillonnage afin
que le corpus d'étude soit le plus représentatif possible du phénomène à l'étude.
L'équilibre entre les différents critères dépend des objectifs de la recherche et de la
discipline dans laquelle elle s'inscrit.

3.3 Prétraitement d'un corpus

Une fois le corpus créé, il doit être préparé pour le traitement informatique et
statistique (Meyer et al., 2008; Vijayarani et al., 2015). La phase de prétraitement est
une étape cruciale dans une chaîne de traitement pour l'analyse de texte assistée par
ordinateur. Pour certains, le prétraitement implique un certain nombre d'opérations
qui ont pour but de « nettoyer les textes et de réduire le phénomène du bruit » (Lebart
et Salem, 1994b, p. 116). Le bruit, qui a été défini dans la section sur le critère de
 151

pertinence, est le phénomène qui désigne les documents d'un corpus non pertinents
pour l'analyse. Toutefois, dans le contexte du prétraitement, ce phénomène assume
des contours plus larges, car il désigne aussi un certain nombre d'éléments à
«nettoyer» à l'intérieur du texte. Un exemple de cette opération de« nettoyage » des
textes est l'effacement des mots fonctionnels, c'est-à-dire les signes graphiques qui
représentent des déterminants, des connecteurs ou tout autre mot qui le chercheur ne
retient pas comme pertinent (Savoy, 1999). Un autre exemple est la racinisation des
mots (Bullinaria et Levy, 2007; Porter, 2001), qui permet de réduire les différentes
formes graphiques d'un mot dans une forme plus standard ou normalisée.

Dans la présentation de la méthode, nous omettrons de parler de l'étape d'obtention

du format numérique du texte. Ainsi, nous présupposons que le texte soit déjà encodé
dans un format qui est traitable par un ordinateur, par exemple le format ANSI ou le
format UTF-8. Ces deux formats sont des typologies d'encodage du texte, qui
transforment un caractère de la langue dans une séquence de bits. Si le corpus est
constitué d'images en format PDF ou de véritables pages de papier, une étape de
numérisation et ~nsuite de reconnaissance optique de caractères doit être accomplie
en premier lieu. Les systèmes de reconnaissance des signes graphiques changent
selon le système d'.écriture. Différents outils ont été développés pour les systèmes
logographiques, les systèmes syllabiques ou les systèmes alphabétiques. Une fois que
le texte numérique a été obtenu et que les caractères qui le composent ont été
reconnus et encodés dans un des formats traitables par un ordinateur, le chercheur
passera aux étapes de prétraitement.

Les opérations décrites dans les prochains sections supposent aussi que le corpus ne
soit pas un corpus de documents tirés de la langue parlée, mais de la langue écrite. En
effet, les outils de prétraitement pour des transcriptions automatiques ou non de la
 152

langue parlée, sont différents et requièrent des argumentations spécifiques au cas du

langage oral, ce qui n'est pas pertinent dans le cadre de cette thèse.

La phase de prétraitement d'un corpus est composée de deux sous-phases. La

première est l'annotation automatique et elle est composée de plusieurs opérations.
La deuxième est principalement constituée d'une opération de transformation
vectorielle des textes, c'est-à-dire une conversion des textes dans un modèle
mathématique et computable, ce qui permettra d'utiliser des algorithmes et des
computations pour effectuer des analyses dans le corpus.

3.3.1 Annotation automatique des textes

En général, la première opération du prétraitement consiste à effectuer un ensemble

de procédures d'annotation automatique qui permettent d'ajouter aux textes des
informations supplémentaires sur leur nature. Ces informations peuvent ensuite être
utilisées pour « nettoyer » les textes avant l'opération de transformation dans un
modèle mathématique. Les principales procédures sont les suivantes. La tokenisation,
c'est-à-dire l'identification de chaque signe graphique constituant une unité lexicale.
L'étiquetage automatique des parties du discours (en anglais, pos-tagging), soit une
analyse morpho-syntaxique du texte. La lemmatisation, qui permet de réduire les
différentes formes graphiques des· mots à des formes normalisées, c'est-à-dire les
lemmes, cette opération peut être remplacée par la racinisation, dans laquelle la
forme normalisée des mots est appelée la racine. L'identification des mots
fonctionnels (en anglais, stopword), qui sont des catégories de mots (ex. connecteurs,
conjonctions, etc.) qui ne sont pas pertinents pour l'analyse. Enfin, la segmentation
par phrases des textes, ce qui implique d'identifier les _délimiteurs de phrase à
l'intérieur des textes. Toutes ces sous-opérations sont exécutées au moyen des outils
développés dans le cadre des recherches en traitement automatique du langage naturel,
discipline qui est au cœur de la présente chaîne de traitement.
 153

Les opérations sont présentées de manière linéaire pour des raisons de simplicité et de
clarté de l'argumentation. En réalité, le prétraitement est une phase non linéaire et
complexe, où les différentes opérations se retrouvent imbriquées les unes dans les
autres et où le résultat d'une opération dépend des résultats d'une autre opération. Par
exemple, la segmentation par phrases est souvent accomplie parallèlement à l'analyse
des parties du discours et elle ne peut pas être accomplie sans cette analyse.

[Link] Tokenisation

Le mot tokenisation dérive du mot anglais token qui désigne « l'occurrence d'un
signe» (Rey-Debove, 1979, p. 148). Peirce fut le premier à avoir introduit le concept
de token dans un contexte de théorisation sémiotique. Ce concept est
indissociablement lié à celui de type et il est possible de considérer un token comme
une instance du type :

In order that a Type may be used, it has to be embodied in a Token which shall
be a sign of the Type, and thereby of the object the Type signifies. I propose to
call such a Token of a Type an Instance of the Type. Thus, there may be
twenty Instances of the Type "the" on a page. (Peirce, 1994, p. CP 4.537)

Tel qu'indiqué dans cet extrait, le type est le signe dans sa forme générale alors que le
token est le signe dans sa forme instanciée, qui est communément appelé occurrence.
La réflexion de Peirce élabore une relation du type et du token avec sa théorie du
signe et, en particulier, avec les concepts de légisigne et de sinsigne. D'un côté, le
sinsigne donne au token la matérialité dont il a besoin car il est un objet qui existe et
qui est perceptible. De l'autre, le légisigne définit le type dans un contexte plus large,
soit la définition des signes au moyen de la loi humaine ou des conventions. Le
légisigne est un type général qui est signifiant si et seulement si il « s'incarne » dans
un token.
 154

Thus, the word "the" will usually occur from. fifteen to twenty-five times on a
page. It is in all these occurrences one and the same word, the same legisign.
Each single instance of it is a Replica. The Replica is a Sinsign. Thus, every
Legisign requires Sinsigns. (Peirce, 1994, p. CP 2.246)

Peirce souligne ici comment chaque légisigne (type) a besoin d'un sinsigne (token)
pour exister et se matérialiser. Un texte est donc composé seulement de sinsignes,
c'est-à-dire de tokens. L'entité du type est une convention et elle regroupe toutes les
formes que son instanciation peut prendre.

Dans un contexte informatique, la tokenisation est une procédure de reconnaissance

des signes graphiques qui sont susceptibles de constituer un token (sinsigne). En
linguistique et en lexicographie, cette procédure n'est généralement pas détaillée car
elle ne représente pas un enjeu majeur. Au contraire, en traitement automatique des
langues, la tokenisation est un problème non trivial, car c'est un « lexicographe
computationnel » qui doit effectuer les choix de tokenisation et non un humain. Par
nature, le langage est un système ambigu auquel les êtres humains sont habitués, mais
un lexicographe computationel devra adopter des stratégies de désambiguïsation
définies en amont et détaillées dans un [Link] informatique. Cette dichotomie
entre l'expertise humaine et le transfert des connaissances dans un [Link]
informatique est souvent présente lors du passage de la linguistique ou de la
sémiotique aux systèmes informatiques de manipulation des signes. En effet, cette
première opération de prétraitement peut [Link] différents niveaux de complexité,
selon le degré de justesse que le chercheur veut obtenir lors de la reconnaissance des
unités lexicales.

[Link] Étiquetage automatique des parties du discours

L'étiquetage des parties du discours consiste à identifier l'« emploi grammatical» des
tokens, c'est-à-dire « la classe syntaxique par laquelle le mot s'intègre à la phrase »
 155

(Lehmann et Martin-Berthet, 2014, p. 15). En français, chaque mot (token) peut

appartenir à une des classes de mots ou parties du discours suivantes: nom, verbe,
adjectif, déterminant; pronom, adverbe, préposition et conjonction. Les parties du
discours sont alors les constituants de la phrase et sont appelées catégories
morphosyntaxiques. L'étiquetage des parties du discours peut se complexifier jusqu'à
une véritable analyse morphosyntaxique, où on prend en compte aussi d'autres
catégories qui définissent chaque token, comme le genre, le nombre, le mode du
verbe ou le temps, les interjections, etc.

Cette opération est exécutable une fois que le processus de tokenisation est terminé.
L'étiquetage des parties du discours peut être utilisé pour plusieurs tâches, qu'elles
soient simples ou plus complexes. Dans la traduction automatique de l'anglais au
français par exemple, il est fondamental de connaître la catégorie grammaticale d'un
mot, car cela permet de désambiguïser des cas comme « record », qui peut être traduit
en français de deux façons «disque» ou «enregistrer» s'il s'agit d'un verbe. Dans
des tâches plus simples, comme pour des étapes de filtrage des mots fonctionnels, il
est utile de connaître quels sont les déterminants, par exemple des mots comme « de »,
« il » «la» (en français). La tâche planifiée par le chercheur et pour laquelle
l'étiquetage sera utilisé détermine aussi le niveau de justesse de l'étiquetage
automatique. Le plus souvent, l'étiquetage ne prend pas en compte tous les éléments
pertinents d'une analyse morpho-syntaxique, tels le mode et le temps du verbe. Le
meilleur étiquetage est celui qui offre un bon compromis entre la justesse ou le détail
de l'information et l'utilité des informations pour la tâche à accomplir. Pour chaque
chaîne de traitement, il faut donc estimer les ressources nécessaires pour développer
des méthodes plus sophistiquées d'étiquetage et évaluer si cela en vaut la peine.

Il existe deux phénomènes qui font du processus d'étiquetage morphosyntaxique une

opération complexe (Dale et al., 2000). Le premier est le fait que chaque mot peut
 156

avoir différentes étiquettes morphosyntaxiques, ce qui implique qu'il n'est pas

possible d'utiliser un dictionnaire de mots auxquels on assigne une étiquette. Un mot
peut être un nom ou un verbe, comme c'est le cas du mot « record » en anglais et seul
le contexte dans lequel le mot est inséré permet d'identifier la bonne étiquette. Le
deuxième phénomène est la présence des mots qui sont spécifiques à un domaine du
savoir et donc très rares .. Dans ce cas, il est encore plus difficile de fournir les
connaissances adéquates aux algorithmes d'étiquetage.

Une façon de résoudre ce type de problème est d'inférer l'étiquette morphosyntaxique

à partir du contexte dans lequel le mot apparaît et à partir des informations
morphologiques de chaque mot. Le contexte dans lequel chaque mot est inséré
apporte des informations pertinentes à l'identification des parties du discours de
chaque mot. En anglais par exemple, il est très rare que des phrases commencent par
l'objet et plus fréquent qu'elles débutent par un nom (ou un pronom) et suivis par un
verbe. Les informations morphologiques du mot, surtout pour les langues
flexionnelles, sont également importantes. En français par exemple, le suffixe « -
ment» permet d'identifier un adverbe.

Il existe plusieurs méthodes d'étiquetage des parties du discours et il est possible de

les regrouper en deux grandes familles : les approches supervisées et les approches
non supervisées. Les approches supervisées sont basées sur des ressources
préalablement construites par des annotateurs humains. Le Penn Treebank (Marcus et
al., 1993) est le corpus le plus connu pour la langue anglaise. Il contient des millions
de mots qui ont été étiquetés manuellement. Le British National Corpus, qui contient
du texte en anglais britannique, et le French Treebank pour la langue française
constituent d'autres ressources sur lesquelles peuvent s'appuyer les approches
supervisées pour l'étiquetage automatique de nouveaux textes.
 157

Les processus de Markov ont été largement utilisés dès les années 1980 pour
l'annotation automatique des parties du discours dans un contexte supervisé (Church,
1989; Derouault et Jelinek, 1984).

[Link] Lemmatisation

La lemmatisation est l'opération qui identifie le morphème porteur du signifié pour

les unités lexicales des langues flexionnelles. Les tokens qui ont été identifiés dans
l'étape de tokenisation sont des occurrences de différents mots. Chacun de ces tokens
est porteur d'un signifié. Du point de vue sémantique, ce ne sont pas tous les
caractères qui composent l'occurrence d'un mot qui sont pertinents. Le mot
« mangeait » par exemple, est composé de deux morphèmes, le radical qui renvoie à
l'unité lexicale abstraite d'un mot et qui est le signifiant qui véhicule le signifié du
mot (Polguère, 2016) et les affixes, qui sont utilisés pour conférer un rôle syntaxique
au mot.

La lemmatisation peut être remplacée à l'occasion par la racinisation. Ce processus

vise les mêmes objectifs que la lemmatisation mais le type ne correspond pas au
lemme mais à la racine du mot. Il existe différents algorithmes pour optimiser ce
processus. Un des plus répandus est l'algorithme de Porter qui analyse la suite de
caractères du mot et, sur la base d'une série de règles, identifie les suffixes et, par
conséquent, les racines. Ce processus est appelé également désuffixation. Par
exemple, en français, il existe une règle d'identification des suffixes d'adverbes
comme « quotidiennement », « grossièrement », « facilement », qui consiste dans le
suffixe «-ment».

Le but principal de ces deux processus substituables est de mettre en valeur les
aspects sémantiques du texte, en simplifiant ainsi les formes et les flexions que
chaque mot peut prendre.
 158

[Link] Identification des mots vides

Les mots vides ou mots fonctionnels sont des mots « qui n'ont pas de sens par eux-
mêmes » (Lehmann et Martin-Berthet, 2014, p. 217). Ils s'opposent aux mots pleins,
qui véhiculent du « sens ». En général, les mots vides sont des mots ayant un rôle
syntaxique et fonctionnel et non sémantique, par exemple les mots qui appartiennent
à des parties du discours, comme les prépositions, les conjonctions, les déterminants,
les pronoms. Dans ce sens, les mots pleins font partie de catégories comme le nom,
l'adjectif, le verbe ou l'adverbe.

Cette opération d'identification des mots vides joue le même rôle que la
lemmatisation, c'est-à-dire mettre en valeur les aspects sémantiques plutôt que
syntaxiques. L'idée est donc de repérer les mots vides et de les éliminer afin d'éviter
d'introduire du bruit dans l'analyse. En d'autres termes, les mots fonctionnels attirent
l'attention vers des éléments peu pertinents du point de vue sémantique.

L'identification des mots vides est exécutée à l'aide d'un vocabulaire ou d'une liste
de mots. Ces listes peuvent être plus ou moins « agressives ». Des fois, elles peuvent
aussi contenir les auxiliaires (être, avoir), les modaux (pouvoir, vouloir, savoir,
devoir), les adjectifs possessifs (leur, notre, etc.) ou des mots pleins qui sont
considérés peu pertinents par le chercheur. Il n'est pas rare d'appliquer des listes de
mots vides très agressives dans le but de faire ressortir davantage le « cœur
sémantique » d'un texte.

L'impact positif de l'élimination de ce type de mots sur les analyses orientées sur les
aspects sémantiques a été amplement démontré dans le domaine de la recherche
d'information où le bruit que ces mots introduisent est dét~rminant pour les
performances d'un moteur de recherche. Dans ce contexte, le cadre d'analyse est
également de type sémantique, car le but est de trouver les documents qui répondent
 159

le mieux à une requête de type sémantique et les mots vides produisent un bruit qui
réduit la qualité des résultats.

[Link] Segmentation en phrases ou en d'autres unités syntagmatiques élémentaires

La segmentation en unités syntagmatiques élémentaires coïncide généralement avec

la segmentation en phrases, c'est-à-dire l'identification des phrases qui composent un
texte. Dans les langues flexionnelles les plus répandues du monde occidental, la fin
d'une phrase est explicitée par un signe de ponctuation. Une des premières sous-
opérations de la segmentation en phrases est d'identifier les marqueurs de fin de
phrase. Pour le français par exemple, le délimiteur de phrase le plus répandu est le
point. Toutefois, les règles d'utilisation de la ponctuation ne sont pas toujours définies
de manière univoque. Pour exécuter de manière efficace la segmentation en phrases,
il est nécessaire de connaître les règles de ponctuation de la langue traitée. Ensuite, le
défi principal consiste à établir des règles de désambiguïsation des occurrences de la
ponctuation. Identifier les différents rôles qu'un point peut assumer est une opération
parallèle au processus de tokenisation. Par exemple, l'identification des abréviations
permet en même temps d'identifier des occurrences du point dont le rôle n'est pas
celui de délimiteur de phrase.

3 .3 .2 Représentation vectorielle du texte

Cette étape consiste à transformer le corpus dans une matrice U. Cette modélisation
est représentée par la figure 3.1. Chaque ligne de cette matrice modélise un article du

corpus sous la forme d'un vecteur S: = (Viv ... , Vii) dans lequel Vii correspond à la
valeur de pondération du /me mot dans le ième segment (cfr. formule mathématique
2.5 dans la section [Link]).

Ce modèle est appelé modèle sémantique vectoriel et il. est construit au moyen de
trois éléments, soit les paramètres d et v et la fonction de pondération f Le paramètre
 160

document D correspond au corpus et est composé des documents d. Les documents d

doivent être interprétés comme les unités syntagmatiques élémentaires que le
chercheur a retenues. Pour simplifier, nous appellerons d le document. Le paramètre
vocabulaire V qui est composé par les caractéristiques des documents que le
chercheur a considéré comme pertinentes pour sa recherche. Généralement, le
vocabulaire V correspond aux lemmes. Enfin, la fonction de pondération f, évalue le
poids de chaque caractéristique pour chaque document.

Les postulats, les hypothèses et toute autre implication sémiotique du modèle

vectoriel ont été décrits dans le cadre théorique. Dans les prochains sections, nous
détaillerons le modèle du point de vue technique, en décrivant davantage les trois
paramètres qui le composent et en soulignant les aspects_ les plus pertinents pour le
présent travail.

[Link] Le paramètre D: Les documents

Le corpus D est composé des éléments qui, dans la littérature, sont appelés documents.
En réalité, les documents correspondent aux unités syntagmatiques élémentaires que
le chercheur a choisies d'utiliser. Les documents peuvent être de différente nature en
fonction des objectifs de la recherche. Le document d peut être une proposition, une
phrase, un groupe de phrases ou de propositions, un paragraphe, une section ou une
concordance. Le choix est généralement déterminé par l'objectif de la recherche, mais
il n'est pas rare d'identifier la meilleure segmentation par une enquête empirique. En
_effet, il est fréquent de choisir l'unité syntagmatique élémentaire à utiliser après avoir
testé plusieurs typologies de documents, ce qui implique que les différentes
typologies de documents seront utilisées pour l'analyse et, ensuite, le chercheur
choisira la typologie de documents qui répond le mieux à ses attentes.
 161

Généralement, un document plus long, par exemple le paragraphe ou une section,

implique de considérer l'hypothèse distributionnelle et le principe de cooccurrence de
mots dans un contexte plus grand et donc avec plus de mots cooccurrents. Le mot
« étudiant » par exemple, peut être cooccurrent avec le mot « grève » et ceci, un
certain nombre de fois. Si l'unité syntagmatique élémentaire est l'article au complet,
le mot « étudiant » sera cooccurrent avec le mot « grève », mais aussi avec plusieurs
autres mots. La distinction de l'usage du mot «étudiant» du point de vue de la
sémantique distributionnelle est effectuée en considérant toutes les cooccurrences du
mot. En d'autres termes, plus les unités syntagmatiques élémentaires sont larges, plus
nombreux sont les mots impliqués dans la détermination de l'usage d'un mot.

[Link] Le paramètre V : Les caractéristiques

Le choix du type de document détermine le cadre d'évaluation de l'usage du mot.

Plus un contexte est large, plus les mots sont considérés comme cooccurrents.
Toutefois, le mot tel quel n'est presque jamais considéré comme une caractéristique
pertinente dans un modèle sémantique vectoriel. Tel que décrit auparavant, le lemme
est le morphème le plus pertinent dans une analyse orientée sur les aspects
sémantiques du langage. Les lemmes ou les racines sont une caractéristique du
document plus intéressante que le mot simple. Deux documents seront considérés
similaires s'ils partagent un certain nombre de caractéristiques et donc, s'ils partagent
les mêmes lemmes. Toutefois, il existe d'autres caractéristiques d'un document qui
peuvent être pertinentes. Par exemple, il est possible d'utiliser les parties du discours
comme étant une caractéristique pertinente pour la description du segment. La suite
de caractères suivante « Étudiant_NOM » peut être une caractéristique d'un
document qui désigne l'occurrence du nom« étudiant». De la même manière, la suite
de caractères« Étudiant_ADJ » désigne l'occurrence de l'adjectif« étudiant» et ainsi
de suite. En utilisant un analyseur syntaxique plus complexe, il est aussi possible
· d'utiliser les catégories grammaticales du sujet, du verbe et du complément. En
 162

principe, tout ce qui peut décrire le contenu d'une unité syntagmatique est susceptible
d'être considéré comme une caractéristique pertinente à ajouter au modèle
sémantique vectoriel.

Le modèle sémantique vectoriel est généralement bâti selon une approche qu'on
appelle sac de mots. Le modèle sémantique à sac de mots consiste à créer une matrice
U, ayant D et V comme paramètres, dont V est la liste de mots qui apparaissent dans
D. Généralement, les mots correspondent aux lemmes et aux racines. Dans ce
contexte, chaque document est décrit sur la base des lemmes qu'il contient. Cette
même approche peut être appliquée à un certain nombre de caractéristiques, par
exemple à la combinaison lemme/partie du discours. Le principe du modèle à sac de
mots consiste à assumer qu'un [Link] peut être décrit exclusivement par les
éléments qu'il contient et ceci, sans tenir compte de leur ordre d'apparition. Le
document est un contenant dans lequel les éléments ne sont pas ordonnés, comme un
sac de jetons numérotés du bingo. Dans ce contexte, ce qui est retenu comme
important est le contenu du sac et non son ordre.

L'approche appelée à n-gramme, au contraire du modèle à sac de mots, assume que

l'ordre d'apparition des caractéristiques est pertinent pour la description du document.
Le principe est similaire au modèle de langage probabiliste décrit dans le paragraphe
sur l'annotation des parties du discours. Cette approche décrit les documents en
considérant toutes les suites de caractéristiques possibles. La grandeur de la suite est
déterminée par le type de modèle choisi, par exemple un modèle bigramme, qui
correspond à une suite de deux éléments ou un modèle trigramme, qui correspond à
une suite de trois éléments et ainsi de suite. Par exemple, dans un modèle bigramme,
la phrase « La linguistique est enseignée à l'université » sera décrite par une série de
suites de bigramme : « la linguistique », « linguistique est », « est enseignée »,
« enseignée à », « à l'université ». Si nous avions effectué une lemmatisation, la
 163

phrase aurait été transformée ainsi, « le linguistique être enseigner à le université » et

les séquences de bigramme seraient les suivantes : « le linguistique », « linguistique
être », « être enseigner », « enseigner à », « à le », « le université ». Si nous avions
aussi supprimé les mots vides, la phrase serait alors transformée ainsi : « linguistique
enseigner université » et les suites de bigramme seraient les suivantes : « linguistique
enseigner », « enseigner université ». Dans ces genres de modèle, le début de la
phrase peut aussi être considéré comme étant une caractéristique, ce qui implique que
la séquence de bigramme change ainsi : « DÉBUT linguistique », « linguistique
enseigner », « enseigner université ». Utiliser un modèle n-gramme dans le contexte
vectoriel est complexe et n'apporte pas toujours des avantages. Pour cette raison, le
modèle à sac de mots est le plus souvent choisi.

[Link] La fonction de pondération

Après avoir identifié les documents du corpus et leurs caractéristiques il est possible
de construire le véritable modèle sémantique vectoriel, lequel se concrétise dans la
construction d'une matrice. Cette matrice est la représentation mathématique des
documents. Le passage d'une liste de caractéristiques par document à la matrice est
rendu possible par la fonction de pondération, à travers laquelle on attribue une
valeur numérique à chaque cellule de la matrice, c'est-à-dire à chaque caractéristique
de chaque document. En d'autres termes, la représentation vectorielle d'un texte est
une matrice U avec les documents d; comme lignes, qui font partie du corpus D.
Chaque document est décrit par un certain nombre de caractéristiques V;, qui font
partie du vocabulaire V. La matrice U a été montrée avec la formule 2.5 au
paragraphe [Link].

La valeur de chaque cellule correspond au « poids » d'une caractéristique dans un

contexte. Le « poids » est établi par la fonction de pondération. La fonction la plus
 164

simple correspond au décompte des fréquences observées de chaque caractéristique

pour chaque document. Par exemple, la phrase suivante (énoncé 1)

Énoncé 1 - La linguistique est enseignée à l'université

est ainsi représentée dans la ligne « Doc 1 » de la matrice U, qui a été transformée
pour représenter l'énoncé 1. La matrice est présentée sous-forme de tableau (tableau
3.1).

- ·---~ -~
Tableau 3.1 Représentation vectorielle de l'énoncé 1

·--
!Doc/ {: ,1,,..
:::: -:::: :::: ::::
:: :: §- :::::: .:::- •1::: E
::::::
-~ l::::
E
r;,:i

.r..... ·-
Lemmes l::::
::::
r;,:i

,ij .a::
r;,:i r;,:i

==
-'t ::
r;,:i
l:::: :: -:::: r;,:i ::::
Doc 1 0 0 0 1 0 1 0 0 0 0 1 ...
Doc2 1 1 1 0 1 0 1 0 0 0 0 ...
ndoc ... ... ... ... . .. ... ... ... ... ... ... ...

Les cellules correspondant aux colonnes V; du vocabulaire V « linguistique », »

enseigner », « université » et à la ligne d; du corpus D « Doc 1 », ont une valeur égale
à 1, car ces lemmes sont observés une seule fois dans le document « Doc 1 ». Les
autres cellules de la ligne sont remplies par des zéros. Le « Doc 2 », au contraire,
représente une phrase dans laquelle les mots « aller », « apprendre », « classe »,
« étudiant » et « philosophie » apparaissent qu'une fois. Si on voulait déduire la
phrase originale, on pourrait imaginer qu'elle soit « l'étudiant va en classe pour
apprendre la philosophie », ou « l'étudiant de la classe va apprendre la philosophie ».

Il existe différentes méthodes de pondération (Lan et al., 7009; Salton, 1971; Salton
et Buckley, 1988) et chacune d'elles évalue différemment les poids des
 165

caractéristiques dans un document. Les principales fonctions sont : la fonction binaire,

la fonction de la fréquence et la fonction Tf-Idf, de l'anglais Term frequency-Inverse
document frequency. Imaginons que les caractéristiques correspondent exclusivement
aux lemmes. La fonction binaire, comme son nom l'indique, assigne seulement des
valeurs binaires (1,0), signalant ainsi la présence ou l'absence d'un lemme. Quant à
elle, la fonction de la fréquence assigne à chaque lemme sa fréquence pour chaque
document. Si un lemme est répété plus d'une fois, la valeur de la cellule ne sera pas
un, mais un chiffre correspondant au nombre d'apparitions du lemme dans le
document. Ces deux fonctions de pondération ont des limites. La première ne fournit
pas assez d'information sur la valeur du lemme dans un document. En effet, il suffit
d'avoir une seule occurrence d'un lemme pour qu'il soit signalé. Chaque lemme a
donc la même valeur qu'il apparaisse une ou plusieurs fois. Par ailleurs, la méthode
de la fréquence du mot, exacerbe la distribution lexicale décrite par la loi de Zipf (cfr.
.2.1.2), ce qui implique que seule une petite portion du vocabulaire V correspondant
aux lemmes ayant la fréquence la plus grande sera déterminante pour le calcul des
similarités entre documents.

La dernière fonction, le Tf-Idf, est la plus utilisée par les différentes communautés, et
il en existe différentes versions. Sa puissance repose sur la présupposition que le
poids d'une caractéristique (ex. un lemme) est proportionnel à sa fréquence dans
chaque document et inversement proportionnel à sa fréquence documentaire. Pour
exécuter cette fonction, on calcule d'abord la fréquence documentaire, c'est-à-dire le
nombre de documents dans lesquels les caractéristiques apparaissent. Par exemple, si
le lemme «étudiant» apparaît dans 232 documents, alors 232 sera la fréquence
documentaire du lemme « étudiant ». La fréquence documentaire est ensuite
convertie en fréquence documentaire inverse comme suit :
 166

n
Idf = f(dj) (3.1)

où n est égal au nombre de document de D et f (di) est la fréquence documentaire du

lemmej. À laquelle on ajoute la normalisation logarithmique log idf + 1 :

Idf
n +1
= log f(dj) (3.2)

La composante inverse de la fréquence documentaire est donc représentée par la

fraction entre le nombre total n de documents du corpus D et la fréquence
documentaire f ( d j) du lemme. La fréquence documentaire inverse est ensuite
multipliée par la fréquence du lemme, ce qui donne la formule suivante :

n
Tfldf = f(j) * log f(dj) + 1 (3.3)

Ainsi construite, la valeur de la fonction Tf-Idf est plus élevée lors de l'augmentation
de la fréquence du terme et elle est moins élevée lors de l'augmentation du nombre de
documents qui contiennent le lemme. Donc, si un lemme est très fréquent et très
répandu dans le corpus, il obtient une valeur Tf-Idf plus basse, tandis qu'un lemme
peu fréquent en général, mais très fréquent dans un groupe de documents, obtient une
valeur Tf-Idf élevée. L'objectif de cette fonction est d'identifier les lemmes les plus
discriminants.

3.4 Filtrage

Le filtrage est une opération générale qui s'effectue tant au niveau des
caractéristiques qui décrivent les documents, c'est-à-dire les colonnes de la matrice,
qu'au niveau des documents. Son objectif principal est de réduire le bruit et
 167

d'augmenter le « pouvoir prédictif» du modèle. En d' autres termes, le filtrage réduit

les dimensions et les contextes peu pertinents, afin d'accroître les possibilités
d'identifier des caractéristiques signifiantes dans le corpus. La notion de bruit a été
abordée à plusieurs reprises au cours du présent chapitre et elle demeure centrale pour
l'opération de filtrage. Sans entrer dans les détails mathématiques, la notion de bruit
peut être appréhendée par le schéma d'un système de communication tel qu' élaboré
par Shannon et Weaver.

Bruît

Source Codeur Canal Décodeur Utilisateur

Figure 3 .1 Modèle de communication

Dans ce schéma, est illustrée la manière dont un message est transféré d'une source à
l'utilisateur, en passant par un canal. En reprenant la terminologie de Jakobson un
message se transfère d'un destinateur au destinataire par le biais d' un contexte, d' un
code et d'un contact.

Contexte
(Fonction
référenife!le)

Message
(Fonction poétique)
lH'
j ,
Destinataire j
(Fonction conative) .,

Code
(Fonction
1~-- méta!lngu~..!!9~_j

Contact j
1, (Fonction phatique)

Figure 3 .2 Modèle de la communication et ses six fonctions (Jakobson)

 168

Shannon prévoit dans son modèle l'impact que le bruit a sur le transfert du message
de la source vers le destinataire et il démontre comment il est possible de calculer la
probabilité que l'information soit transférée, connaissant le bruit potentiel. Le bruit
est tout obstacle qui interfère dans le transfert du message. Il est possible d'élargir la
définition: le bruit correspo1:1d à l'écart entre l'intention de l'auteur (destinateur) et le
marquage de l'artefact sémiotique produit (message), auquel il s'ajoute l'écart entre
le marquage et l'interprétation du récepteur (destinataire). Cette définition est aussi
valable en sémiotique. Chaque communication humaine, peu importe le canal,
comporte toujours un potentiel d'interférence. Eco a affirmé que la communication
humaine n'existe pas et qu'elle est toujours un malentendu (Eco, 1979).

En sémiotique, le bruit peut être de différentes natures selon qu'il interfère

directement avec le message, avec le code, avec le contexte ou avec le contact. La
notion de bruit qui est utilisée dans le contexte du traitement automatique du texte
peut également être de différentes natures. En ce qui concerne l'opération de filtrage,
la nature du bruit est surtout liée au message. Chaque message peut avoir une portion
d'information plus pertinente que d'autres. Certaines portions du message peuvent
nuire au transfert de l'information et, ainsi, nuire à l'interprétation du message. La
communication peut échouer si les informations contenues dans le message
« distraient » _le destinataire de l'information la plus pertinente.

L'opération de filtrage tend à réduire le bruit du message en agissant au niveau des

mots et des documents. Réduire les signes graphiques qui composent les messages
afin de ne conserver que les plus pertinents est un exemple de filtrage au niveau des
mots. Ce même principe s'applique aussi au niveau du document, surtout lors de
l'analyse d'un corpus puisque cette opération augmente ainsi l'indice de pertinence
du corpus.
 169

3.4.l Mots

La sélection des caractéristiques des données non catégorisées peut toutefois être
exécutée par une opération de filtrage moins complexe. Dans ce travail, le filtrage des
caractéristiques est appréhendé selon deux types d'approches : l'utilisation de classes
de caractéristiques construites à priori et le lissage.

.La première approche de filtrage des mots est celle qui se base sur des classes
préalablement constituées. Par exemple, les mots vides constituent une classe de mots
à filtrer préventivement construite. En général, les classes de mots à filtrer sont
déterminées par deux typologies d'objets : de véritables listes de mots, comme pour
les mots vides, et l'annotation des parties du discours qui permet de regrouper les
mots selon leur catégorie morphosyntaxique. Dans ce contexte, il est donc possible de
filtrer les mots qui font partie de classes comme les pronoms, les connecteurs, les
chiffres, etc. Ce type de filtrage est donc appliqué avant que les textes ne soient
transformés dans une matrice.

L'approche par lissage est basée sur les fréquences d'apparition des mots et elle est
appliquée après que les textes aient été transformés en matrice. Il existe différentes
méthodes pour filtrer les mots les moins significatifs de la matrice. Afin de simplifier,
nous soulignons la méthode basée sur la fréquence d'apparition et la méthode basée
sur la variance. La première établit un seuil qui est appliqué à la fréquence
d'apparition du terme ou à la fréquence documentaire. Par exemple, il est possible de
filtrer les mots qui n'apparaissent pas plus qu'un certain seuil (ex. 10, 15, 20, etc.) ou
qui ne dépassent pas une certaine fréquence documentaire. Dans cette approche, le
seuil appliqué à la fréquence documentaire est davantage utilisé car les résultats sont
plus facilement interprétables. En général, ces méthodes tendent à filtrer les mots qui
correspondent aux hapax (Lehmann et Martin-Berthet, 2014), c'est-à-dire aux mots
très rares ou avec une seule occurrence. La deuxième méthode établit un seuil qui
 170

s'applique à la variance. Le but est d'éliminer les caractéristiques qui ont une
variance basse. Plus la variance d'une caractéristique s'approche de zéro, moins elle
apporte d'information. Par exemple, si une caractéristique d'un ensemble de données
a toujours la même valeur, sa variance est égale à zéro. Dans notre cas, si un mot a la
·même valeur Tf-Idf dans la majorité des articles, sa variance est forcément moins
élevée et peut donc être retirée.

3.4.2 Documents

La réduction du bruit est également appliquée au niveau du document afin d'identifier

les données aberrantes, c'est-à-dire les données non conformes aux autres ou
éloignées d'un centre d'agrégation. Les données aberrantes constituent fréquemment
des erreurs ou du bruit qu'il est préférable de filtrer. En général, les données
aberrantes sont des observations inusuelles. Dans le cas du texte journalistique, la
détection d'articles inusuels est une opération essentielle car elle permet de maintenir
le corpus homogène et pertinent (Kannan et al., 2017).

En statistiques, il existe une méthode très répandue pour identifier les données
aberrantes qui est basée sur les quartiles. Quand on dispose d'une suite de valeurs
numériques suivant une distribution gaussienne, les valeurs aberrantes sont .les
chiffres qui se situent à un saut égal à une fois et demie à la longueur de l'étendue
interquartile (Bertrand R., 1986; Tukey, 1977). Toutefois, le problème de données
aberrantes se complexifie dans un espace multidimensionnel. Dans cet espace, les
données aberrantes ne correspondent pas à une valeur, mais à un vecteur
multidimensionnel. En général, il est possible d'aborder ce problème dans un espace
sémantique avec trois types d'approche: non-supervisée, supervisée et hybride.

Dans la plupart des cas, la détection de données aberrantes a été interprétée comme
un problème de type non supervisé, car il est rare de connaître a priori les
 171

caractéristiques des observations inusuelles. Dans ce contexte, l'approche principale

s' appuie sur le concept de distance entre points. En simplifiant, il est possible de
distinguer des méthodes basées sur la détection de clusters, de méthodes basées sur
des seuils de distance et des méthodes basées sur la densité des points. Toutefois,
cette distinction n' est pas nette car les méthodes par clusters sont généralement très
proches de celles basées sur la densité ou sur la distance. Ceci est dû au fait que les
notions de distance, de cluster et de densité sont étroitement liées et interdépendantes.
La première classe de méthodes, soit celle basée sur la détection de clusters, exécute
une analyse des données aberrantes parallèlement à un clustering. Si le clustering a
comme but d' identifier les classes d' objets similaires (cfr. 2.3.2), l' analyse de
données aberrantes vise à identifier les objets qui sont trop inusuels pour appartenir à
une classe paiiiculière. Les méthodes basées sur le seuil de distance établissent des
heuristiques pour repérer les données aberrantes. Cette approche est basée sur le fait
que les données aberrantes sont à une distance importante d'un ou plusieurs centres
de gravité autour desquels la majorité de données se situent. Il est alors suffisant
d' établir un seuil de distance et les centres de gravité à utiliser comme référence. Un
exemple en est fourni par la figure 3.3 qui montre les résultats obtenus par un
algorithme de clustering et un seuil de distance.

,.
,.
.•
~.-
••...
,

• • •
· ..
·
••
. . . ...···

Figure 3 .3 Détection de données aberrantes par clustering. Les points plus foncés sont
loin des trois clusters et, ainsi, sont classifiés comme bruit.
 172

Les méthodes basées sur la densité utilisent le nombre de points situés dans des
régions spécifiques de l' espace. Il existe plusieurs algorithmes de clustering qui se
basent sur la densité des points qui sont également adaptés à la détection des données
aberrantes. Par exemple, DBscan (cfr. Anexe C) produit une classe de données
aberrantes si l'algorithme n' est pas capable de les regrouper dans une région assez
dense. Dans la figure 3.4, l'algorithme identifie une région assez dense dans un
certain nombre de points proches (les « border », les points en forme de triangle) et
élimine par la suite les points qui sont trop distants de cette région (le « noise », les
points en forme carré) et qui constituent lè bruit.

0-------......----------,....-_-_._-..=--====::-
.
wm,til Noise
EPS= 2 1,./inPtB=m3
••• Cor e
AA A Bor der
8, ,,,.,, .,,,,., - -.,., ........

''

1$

4 1,

2.l "i

Wl
''
----... m

0
o 2 4 6 8 1

Figure 3.4 L'algorithme DBscan. Eps et MinPts sont les deux paramètres,
respectivement l'un pour le seuil de distance et l'autre pour le nombre de points
minimaux pour construire un cluster. Les cercles correspondent aux centroïdes des
clusters, les triangles correspondent aux points constituant la limite du cluster et les
carrés correspondent aux points classifiés comme bruit (cfr. Annexe C).

Lorsqu' il est possible de disposer d'exemples de données aberrantes qui peuvent être
utilisés pour apprendre à un algorithme à les reconnaître, la détection des données
aberrantes peut être transposée dans un contexte supervisé et peut donc être
considérée comme un problème de classification (Aggarwal, 2016). Il s'agit toutefois
 173

d'un contexte particulier de classification. En général, une classification pour la

détection de données aberrantes est caractérisée par une série de problèmes, dont le
plus important est le déséquilibre de l'échantillon d'apprentissage (en anglais, class
imbalance). Puisque les données aberrantes sont des observations inusuelles dans un
jeu de données, il est normal que la taille des deux classes, c'est-à-dire celle de
données aberrantes et celle de données «normales», soit différente. Évidemment, il
existe beaucoup plus de données normales que de données aberrantes. Une manière
de résoudre ce problème est la configuration des paramètres des algorithmes pour les
rendre plus «sensibles» à la différence de taille entre les deux classes. L'exécution
d'un re-échantillonnage de données aberrantes, afin d'égaliser les proportions entre
les deux classes constitue une autre solution intéressante. La contamination des
données «normales» par des données aberrantes est un problème fréquent et
important car il génère de la confusion dans l'apprentissage. Ce phénomène est dû au
fait qu'il est difficile d'obtenir un échantillon d'apprentissage suffisamment exhaustif
et contenant chaque exemplaire de données aberrantes. En principe, la possibilité de
rencontrer des nouveaux cas de données aberrantes est toujours présente.

Les méthodes hybrides sont reconductibles dans les méthodes d'apprentissage

automatique de type semi-supervisé. Ainsi, l'approche non-supervisée et l'approche
supervisée sont combinées dans une même chaîne de traitement. Généralement, ces
chaînes de traitement identifient d'abord un petit nombre d'exemplaires de
documents faisant partie de la classe des données « normales » et un autre de la classe
des données « aberrantes ». Cette première étape, au cours de laquelle l'intervention
du chercheur et l'évaluation humaine sont occasionnellement prévues, prépare
l'échantillon d'apprentissage pour l'étape supervisée de détection des données
aberrantes (Aggarwal, 2016, p. 232).
 174

L'utilisation des différentes méthodes dépend du type de données et des objectifs de

la recherche. Dans le cas du présent travail et pour toute l'analyse de corpus, la
détection de données aberrantes constitue une étape importante pour augmenter la
pertinence et l'homogénéité du corpus puisque l'identification du bruit du corpus au
niveau du document permet d'éliminer les documents non pertinents pour la
recherche. Son application est donc très importante pour la définition d'un corpus de
travail répondant à un maximum de critères de sa constitution.

3.5 Définition du corpus de travail

Cette étape de la méthode vise à identifier définitivement le corpus de travail, c'est-à-

dire l'ensemble des documents sur lesquels les analyses seront effectuées. La majorité
des étapes préalablement décrites préparent le terrain au traitement informatique. Ces
opérations sont appliquées à plusieurs typologies de corpus textuel et cela,
indépendamment des objectifs de la recherche. Au contraire, la définition du corpus
de travail varie sensiblement selon la typologie de texte, la typologie d'analyse ou les
objectifs de la recherche. Dans cette étape, le chercheur synthétise tous les résultats
de la constitution du corpus, du prétraitement et du filtrage afin de déterminer de
manière définitive l'ensemble de documents qui seront analysés.

Dans le cas de l'analyse d'un corpus comportant des textes journalistiques, certaines
métadonnées peuvent être utilisées pour créer des sous-corpus de travail.
L'organisation du corpus de travail en sous-corpus dépend de la question de
recherche. Par exemple, si une analyse diachronique est prévue, la division du corpus
de travail en périodes de temps est requise. Si l'objectif est de comparer le discours
de différents journaux, il devient pertinent d'organiser le corpus de travail par sources
d'information. Les sous-corpus de travail doivent donc être orientés. Il existe deux
approches pour créer des sous-corpus de travail dans un contexte d'analyse du
 175

discours de presse. La première exploite des éléments extratextuels récoltés lors de la

constitution du corpus. En principe, chaque article journalistique peut contenir une
série ·de métadonnées qui le décrivent, comme la date, l'auteur, le journal de
publication, la catégorie du texte, etc. Les articles peuvent alors être séparés en amont
sur la base de ces caractéristiques et il est possible par exemple, de regrouper les
articles par journal ou par auteur si cela est pertinent pour la recherche. Cette
subdivision est généralement opérée lors d'une analyse comparative pour laquelle il
est nécessaire d'appliquer les protocoles d'analyse de manière indépendante sur
chaque sous-corpus. En effet, il est possible d'analyser le corpus globalement et
d'examiner les résultats sous l'angle de ces éléments extratextuels, mais ce choix
dépend du type d'analyse et de la possibilité de limiter les« contaminations » qu'une
analyse effectuée globalement peut apporter. La seconde approche exécute une
subdivision en sous-corpus sur la base d'éléments intratextuels. Cette approche est
plus complexe et requiert une analyse de chaque article, à l'intérieur desquels des
catégories particulières peuvent être identifiées. Les catégories à repérer dans chaque
article peuvent varier selon le cadre théorique adopté par le chercheur. Par exemple, il
est possible de distinguer la partie de l'article qui « raconte les évènements » de celle
qui « commente les événements » et créer ainsi deux sous-corpus distincts. Cette
dernière approche peut être employée quand une étape d'annotation préalable est
prévue. Dans ce contexte, les annotations ou codes sont utilisés pour enrichir les
analyses successives.

Dans la phase analytique, les sous-corpus peuvent être soumis aux mêmes
algorithmes de manière individuelle ou en groupe. Si les sous-corpus sont soumis un
par un aux algorithmes, les résultats de l'analyse sont indépendants, car une
distinction en amont est effectuée. En effet, les algorithmes analysent un jeu de
données plus petit, les impacts de la dispersion de l'information sont réduits et les
impacts d'autres corpus sur l'analyse sont annulés. Si le sous-corpus est soumis en
 176

groupe, les résultats ne sont pas indépendants car chaque sous-corpus influence les
résultats des autres sous-corpus et les spécificités de chacun d'entre eux doivent être
identifiées a posteriori. Toutefois dans ce. cas, les analyses offrent une vision plus
globale et moins relative de l'ensemble du corpus, ce qui peut être également
pertinent.

3.6 Regroupement de documents similaires

Le regroupement des documents similaires s'applique au corpus de travail ou aux

sous-corpus de travail. Il s'agit d'une étape d'analyse qui a comme but la production
de groupes d'articles qui partagent les mêmes caractéristiques. Ces groupes seront
appelés clusters parce que la technique utilisée fait partie de la famille de méthodes
non supervisées appelée clustering (cfr. 2.3.2).

3.6.1 K-moyennes

Le k-moyennes est l'algorithme utilisé dans le présent travail pour identifier les
groupes d'articles similaires. Cet algorithme est un des plus vieux algorithmes
développés dans le cadre de l'analyse de données et il demeure encore une des pierres
angulaires du domaine (Bouroche et Saporta, 1992; Jaïn, 2010). Son succès est
essentiellement dû à ses performances et à sa simplicité. Le k-moyennes, aussi appelé
l'algorithme de centres mobiles, est un algorithme de partitionnement de type
complet et exclusif. Il en existe toutefois des versions floues. Son principe est
d'identifier les clusters d'une partition au moyen de centres mobiles, appellés
centroïdes. Ces derniers se déplacent dans l'espace et, à chaque itération, forment des
clusters sur la base de la distance entre individus et centroïdes. Lorsque l'inertie
intraclasse ne diminue plus, l'algorithme converge (c'est-à-dire qu'il s'arrête) et il
retourne la dernière partition obtenue. Le principal paramètre de l'algorithme est k,
 177
qui détermine le nombre de centroïdes qui sont utilisés et donc, les nombres de
clusters qui seront construits.

Cet algorithme est basé sur l'inertie intraclasse et l'inertie interclasse qm

correspondent aux concepts d'homogénéité intraclasse et d'hétérogénéité interclasse.
En ce sens, l'inertie est un indice d'homogénéité ou d'hétérogénéité. Pour
comprendre ces deux concepts, il faut commencer par l'inertie totale d'un nuage, qui
est l'espace des individus représenté en n dimensions. L'inertie totale d'un nuage est
la somme pondérée des carrés des distances des individus Xi à leur centre de gravité.

1
l(A) = n[d 2(x1,g) + d 2(x2,B) + ··· + ci,2 (xï,9 )] (3.4)

dans laquelle d est la distance euclidienne. La formule peut être simplifiée ainsi :

LPid 2 (g,xa (3.5)

i=l

dans laquelle p est le poids de chaque individu (par exemple .!.) et d est la distance
n
euclidienne de chaque individu xi au centre de gravité g du nuage. L'inertie mesure
la dispersion du nuage; elle sera grande pour un nuage très dispersé et petite lorsque
le nuage est constitué de points bien regroupés.

Ainsi, le concept de dispersion constitue la base de l'algorithme k-moyennes et du

concept d'inertie intraclasse et d'inertie interclasse. En effet, l'inertie intraclasse
mesure la dispersion des individus autour d'un sous-nuage, soit le cluster. La formule
est donc la même que la précédente, sauf qu'on remplace le centre de gravité g, qui
 178

est le centre du nuage entier, par les centroïdes ki et le poids p, qui sont relatifs à
chaque cluster. Dans ce contexte, un cluster peut ainsi être interprété comme un sous-
nuage. Au contraire, l'inertie interclasse mesure la dispersion des centroïdes ki en
relation avec le centre de gravité g du nuage et il mesure donc le degré d'éloignement
entre clusters. Dans la formule (3.5), on substitue ainsi les points du nuage xi pour le
centroides ki et on réintroduit le centre du nuage total g. La somme de l'inertie
intraclasse et de l'inertie interclasse correspond à 1'inertie totale et, à travers ce qu'on
appelle la décomposition de Huygens, il est possible d'énoncer le théorème suivant:

1'inertie totale d'un nuage de point, à 1'intérieur duquel existent des sous-
nuages distincts est la somme de son inertie intrac/asse et de son inertie
interclasse.

Ce théorème mène à la formule suivante :

I (A) = hntra + hnter (3.6)

ce qui implique que, si l'inertie intraclasse diminue, alors l'inertie interclasse doit
augmenter et vice versa. Les deux inerties sont alors dépendantes l'une de l'autre. À
travers la décomposition de Huygens, on explicite le principe de classification du k-
moyennes, qui veut que la partition d'un nuage en k clusters, où k est fixé d'avance,
est d'autant meilleure que son inertie intraclasse 17 est petite ou que son inertie
interclasses est grande. L'algorithme k-moyennes tente de trouver la meilleure
partition en minimisant le plus possible l'inertie intraclasse ce qui correspond à la
maximisation de l'inertie interclasse. Ces notions seront reprises dans le prochain

17
L'inertie intraclasse dans ce contexte correspond à la somme des inerties intraclasse de chaque
cluster.
 179

paragraphe où seront traités l'évaluation de la partition et le choix du meilleur k pour

un jeu de données.

Les présupposés de l'algorithme k-moyennes correspondent exactement aux principes

d'homogénéité intraclasse et d'hétérogénéité interclasse qui sont à la base du
problème de la classification. Il existe plusieurs versions de l'algorithme k-moyennes
de type hard clustering (Lloyd-Forty, MacQueen, Hartigan & Wong, et d'autres).
Chacune d'entre elles exécute les mêmes opérations algorithmiques, mais avec
quelque petite variation. En général, l'algorithme peut être décrit par les opérations
suivantes:
 180

Algorithme 3.1 K-moyennes

Adapté de Hartigan et al., (1979)

K-moyennes - adapté de Hartigan et al., (1979)

Input : Une matrice U où chaque ligne correspond à une observation

Output : Une partition de U en K clusters

1 Choisir le nombre n du paramètre K, qui détermine le nombre de cluster à

produire
2 Choisir la distance d (généralement euclidienne ou cosinus)
3 Choisir la méthode d'initialisation des kn
4 Jusqu'à la convergence:
5 Pour chaque xi :
6 Déterminer le centroïde le plus proche de xi
7 Assigner xi au cluster k généré par le centroïde le plus
proche
8 Pour chaque cluster kn :
9 Calculer la moyenne des points xi qui lui appartient
10 Si les moyennes xk ne sont pas égaux à kn :
11 Les moyennes xk constituent les nouveaux centroïdes kn
12 On exécute à nouveau l'étape 5 avec les nouveaux
centroïdes kn
 181

Ceci est la procédure algorithmique la plus classique du k-moyennes et elle garantit la

convergence vers une partition qui minimise l'inertie intraclasse et maximise l'inertie
interclasse. Son principal paramètre est K, mais d'autres paramètres en font partie et
ils influencent également la qualité de la partition. Un premier paramètre est la
méthode d'initialisation (étape 3 de l'algorithme 3.1). Les centroïdes kn sont des
vecteurs ayant la même dimension que la matrice U qui a été construite dans la phase
de vectorisation des textes. Dans la version classique de l'algorithme, soit la version
de Lloyd, ces vecteurs sont créés avec des valeurs aléatoires. Ils sont ainsi projetés
dans l'espace où ils constituent des points aléatoires. Il s'agit donc d'une méthode
d'initialisation aléatoire. Toutefois, la partition finale est très sensible à la position
initiale des centroïdes. Il existe alors des méthodes différentes qui permettent de
mitiger le rôle de l'initialisation dans la détermination de la partition. Un exemple est
la méthode k-means++ (Arthur et Vassilvitskii, 2007) qui permet de choisir les
centroïdes de manière aléatoire mais par le biais d'une fonction qui équilibre les poids
en fonction du jeu des données analysées. Un autre paramètre important est la
fonction de distance (étape 2 de l'algorithme 3.1). Généralement, la distance
euclidienne est utilisée. Toutefois, cette distance n'est pas toujours adéquate, surtout
lors du traitement de données textuelles. En effet, cette distance ne prend pas en
compte la longueur du texte et ainsi, des textes de diverses grandeurs risquent d'être
traités différemment. Pour cette raison, en fouille de texte, la distance cosinus est plus
adaptée et répandue, car elle normalise la longueur du vecteur et se concentre
davantage sur l'angle entre les vecteurs plutôt que sur leur position dans l'espace. Le
k-moyennes appliqué à des données textuelles exige l'utilisation de la distance
cosinus. Elle est obtenue à partir de la similarité cosinus et correspond à la fonction
suivante:

dcos = 1- COS 0 (3.7)

 182

la fonction de similarité cosinus correspond à l'angle de deux vecteurs et elle sera

utilisée pour l'exécution de l'algorithme k-moyenne et pour d'autres tâches:

A·B (3.8)
cos e = IIAII • 11B11

En effet, cette fonction permet de mesure la similarité sémantique entre deux

documents et, en raisons de ses propriétés, elle est la fonction de similarité la plus
utilisée en recherche d'information.

3.6.2 Évaluation des partitions

Le k-moyennes possède un paramètre principal, le paramètre k, qui détermine le

nombre de centroïdes à utiliser et donc le nombre de clusters qui sont formés. Fixer k
permet de créer une procédure algorithmique de découverte de la meilleure partition
basée sur l'inertie intraclasse (homogénéité) et l'inertie interclasse (hétérogénéité).
Ne pas fixer ce paramètre à l'avance conduit à l'impossibilité de faire converger ce
type d'algorithmes car l'inertie intraclasse diminue constamment lors de
l'augmentation de k. Il s'agit d'un aspect déterminant pour comprendre le contexte
d'évaluation de l'algorithme k-moyennes. En effet, le théorème de Huygens, qui est à
la base de plusieurs autres algorithmes de partitionnement, met en évidence
l'impossibilité de comparer deux partitions ayant deux k différents. En se basant sur
la minimisation de l'inertie. intracalsse, une partition k +1 sera toujours meilleure
qu'une partition k. À la limite, la meilleure partition possible est celle où chaque
individu constitue un cluster, car dans ce cas l'inertie intraclasse est égale à zéro et
l'inertie interclasse sera égale à l'inertie totale du nuage.

Ceci introd1:1it les problèmes d'évaluation d'une partition dans un contexte non
supervisé. Ce type de problème n'est pas limité à l'algorithme k-moyennes mais
concerne la majorité des algorithmes de partitionnement. Pourtant, la phase
 183

d'évaluation demeure importante pour disposer d'indices sur la qualité des résultats.
Car malgré les difficultés, cette phase est effectuée pour comprendre la qualité de
résultats et surtout pour fixer les paramètres des algorithmes. Dans le cas du k-
moyennes, le principal paramètre à fixer est k et donc, le nombre de clusters à
produire. Lors de l'application du k-moyennes à un corpus textuel, le but est
d'identifier les clusters qui regroupent les documents en fonction de leur similarité.
Déterminer le nombre de clusters est très important car les résultats changent avec
chaque modification de k. Dans ce contexte, les difficultés de l'évaluation mènent à
des procédures nécessitant une intervention humaine. Le contexte d'évaluation
demeure toutefois le même et conduit à un protocole de ce genre : le clustering est
appliqué au corpus de travail ou aux sous-corpus de travail nfois afin d'identifier n
différentes partitions, qui sont ensuite évaluées pour fixer le paramètre k.

Il existe des indices qu~ proposent des fonctions alternatives afin de mitiger le
problème du k +1 de l'inertie intraclasse. Pour simplifier, il est possible de séparer les
indices d'évaluation du clustering en deux approches : une approche par critères
internes et une approche par critères externes. Les premiers établissent une valeur
pour la partition sur la base d'informations qui sont internes aux données et à la
partition générée, ce qui se traduit essentiellement par l'évaluation du niveau
d'homogénéité intraclasse et du niveau d'hétérogénéité interclasse. Cette typologie
d'indices est la plus utilisée dans des applications réelles du clustering (Rend6n et al.,
2011). Les approches par validation externe se basent sur le concept de précision et
rappel et exigent de déterminer en amont quelle est la meilleure partition. Pour cette
dernière raison, les critères externes sont le plus souvent utilisés dans un contexte de
développement et d'optimisation des· algorithmes car leur but est d'évaluer les
performances de l'algorithme.
 184

Les critères internes se basent sur l'homogénéité et l'hétérogénéité, aussi nommés

niveau de compacité et niveau de séparabilité (Liu Y. et al., 2010). Mesurer le niveau
de compacité signifie qu'il faut établir jusqu'à quel point les objets d'un cluster sont
similaires. Certains indices se basent sur le calcul de la variance. En effet, moins la
variance est élevée, plus compact sera le cluster, car les objets s'éloignent moins de la
moyenne. D'autres indices se basent sur le calcul des distances entre les objets. Ainsi,
moins la somme des distances entre toutes les paires d'individus d'un cluster est
grande, plus son niveau de compacité est élevé. Mesurer le niveau de séparabilité
signifie qu'il faut établir jusqu'à quel point les clusters sont distincts. Plus la distance
entre clusters est élevée, plus grand est le niveau de séparabilité. La majorité des
indices évaluent les partitions en combinant ces deux critères, la compacité et la
•
séparabilité, comme le fait, par exemple, l'indice de Calinski-Harabasz ou l'indice
silhouette. Malgré tous les efforts pour réduire l'impact d_u phénomène du k +1, il
n'existe pas encore de méthode d'évaluation fonctionnelle et largement acceptée pour
la détermination du meilleur k dans un contexte de fouille de textes. Généralement,
les indices sont µtilisés pour guider le chercheur dans le choix des partitions à évaluer
. manuellement. La meilleure partition dépend alors de la granularité de l'analyse. En
effet, les différentes partitions présentent des résultats qui sont plus détaillés avec
l'augmentation de k. Choisir un k plus ou moins élevé dépend aussi des objectifs de la
recherche et de la granularité de l'analyse à conduire.

Les indices d'évaluation basés sur des critères externes ont besoin préalablement
d'informations sur la meilleure partition. L'évaluation est alors exécutée dans le
même cadre que celui de la recherche d'informations, où les mesures principales sont
la précision et le rappel. L'indice d'évaluation le plus simple est la F-mesure qui
fournit une évaluation combinée de ces deux mesures. La meilleure partition est alors
celle qui se rapproche le plus de la partition réelle, qui est connue préalablement. La
précision indique la proportion d'individus du cluster en faisant réellement partie et le
 185

rappel mesure la quantité d'objets qui n'ont pas été classés dans le bon cluster. Un
grand niveau de précision et un grand niveau de rappel génèrent une grande valeur de
la F-mesure.

Enfin, l'évaluation des partitions obtenues par un clustering est une opération
fondamentale pour garantir le développement de cette famille de méthodes. Elle
demeure toutefois une opération extrêmement difficile dans des contextes non-
supervisés et lors des applications réelles (Aggarwal et Chandan, 2014, p. 571). En ce
qui concerne la fouille de textes, la procédure d'évaluation prévoit l'intervention du
chercheur pour déterminer la partition à utiliser dans les analyses. L'intervention
humaine dans la procédure qui est adoptée dans cette chaîne de traitement prévoit
l'évaluation de la distribution des documents dans les clusters. Cet élément constitue
un outil supplémentaire pour guider le choix du meilleur k et a comme but
l'élimination des partitions contenant des clusters trop grands. Ceci est un phénomène
assez commun dans la pratique de la fouille de textes qui comporte des partitions
contenant un ou plusieurs clusters auxquels la majorité des documents est assignée,
ce qui implique de nombreux clusters avec peu de documents. En principe, moins la
partition contient de grands clusters, plus les documents tendent à être distribués
également dans les clusters. La meilleure partition est celle qui, compte tenu de
l'indice interne et de la granularité de l'analyse visée, contient des clusters qui
tendent à avoir le même nombre de documents. Évidemment, il est impossible
d'obtenir n clusters comportant le même nombre de documents, mais on peut évaluer
la tendance générale. Cette tendance peut être illustrée par l'écart type des
distributions de documents dans les clusters. En calculant l'écart type, il est possible
d'observer un indice de dispersion permettant d'identifier la différence entre les
clusters en termes de nombre de documents qui leur appartiennent. Moins l'écart type
d'une partition est grand, plus les chances sont élevées d'[Link] partition où les
clusters tendent à avoir le même nombre de documents. L'intervention humaine
 186

implique donc de choisir le meilleur k sur la base d'un certain nombre d'éléments:
l'indice interne, la granularité de l'analyse visée, l'écart type des distributions de
documents dans les clusters et enfin, le rapport entre le nombre de k et le nombre de
documents du corpus. Ce dernier élément est utilisé lors de la définition de plusieurs
sous-corpus de travail et il garantit le maintien du même niveau de granularité pour
des sous-corpus de dimensions différentes. En effet, lors de la division du corpus de
travail en sous-corpus, le clustering peut être effectué de manière indépendante sur les
différents sous-corpus. Tenir compte de la grandeur de chaque sous-corpus lors du
choix du k permet d'équilibrer les analyses comparatives. Si un sous-corpus très petit
obtient un k égal à un sous-corpus plus grand, l'analyse risque d'être biaisée car la
granularité sera différente pour les deux sous-corpus.

3. 7 Annotation

À la fin de la chaîne de traitement, une série de group~s d'articles (clusters) sont

identifiés en fonction de leur similarité sémantique (James et al., 2013, p. 385). Ils
sont ensuite analysés afin de détecter les motifs récurrents des clusters (Aggarwal et
Chandan, 2014; Lapalut, 1995) et, en raison de notre hypothèse, afin d'associer à
chacun d'entre eux des structures narratives. L'analyse se poursuit par une étape
d'annotation qui est réalisée au moyen d'un protocole d'annotation. L'objectif
principal de cette étape consiste à identifier, dans chaque article d'un échantillon
spécifique, le ou les programmes narratifs principaux et les actants qui leur sont
associés.

Selon le cadre théorique qui soutient notre hypothèse sémiotique ( cfr. chapitre II), un
texte journalistique est considéré comme une sorte de «plate-forme» de la
manifestation des structures sémantiques régies par une syntaxe narrative. La syntaxe
narrative organise des actants qui, dans le texte, se manifestent à travers des acteurs
 187

puisque les actants passent toujours par un processus de conversion (cfr. chapitre II).
La puissance d'un tel modèle est constituée par le fait que la sémantique d'un texte ne
se définit pas que par la présence des éléments sémantique, mais aussi par les
relations qu'ils entretiennent les uns avec les autres. Ainsi un acteur ayant le rôle
actantiel du sujet ne peut être défini seulement par sa relation de jonction avec
l'acteur ayant le rôle actantiel de l'objet de valeur. Les éléments sémantiques tendent
alors à être identifiés à un rôle actantiel et à se définir par les relations qu'ils
entretiennent avec les autres. Ces relations sont régies par une syntaxe narrative. Ceci
permet de considérer l'analyse de texte comme l'analyse des relations narratives entre
les éléments sémantiques, ce qui enrichit l'analyse et les interprétations.

L'hypothèse computationelle de notre thèse affirme qu'un algorithme de clustering

permet de regrouper les articles qui partagent le même schéma récurrent, ce dernier
étant l'instanciation d'une macrostructure. L'hypothèse sémiotique _affirme que le
schéma récurrent responsable de la constitution d'un cluster correspond à une
structure narrative. Un schéma récurrent se manifeste alors par un certain nombre
d'éléments sémantiques qui entretiennent des relations narratives, lesquels sont
récurrents dans la plupart des articles que le cluster contient. L'identification de ces
éléments et de leurs relations est effectuée grâce à un protocole d'annotation qui
révèle une structure narrative. Pour ce faire, le protocole d'annotation s'inspire du
métalangage sémiotique de Greimas et, plus particulièrement de la syntaxe narrative
qui constitue le parcours génératif du sens.

3.7.1 Principes de base

Le protocole vise à identifier les actants qui sont en jeu dans le ou les principaux
programmes narratifs de chaque article. Il est constitué de deux étapes principales : le
repérage du ou des programmes narratifs principaux et la détection de leurs actants
manifestés. Par exemple, si un article de chronique raconte les évènements de la
 188

dernière manifestation étudiante, l'annotation identifie d'abord le programme narratif

principal et ensuite les actants qui le concernent, ce qui correspond à l'annotation
suivante à partir de la formule (2.1) ( cfr. 2.2.2) :

Tableau 3.2 Exemple d'un programme narratif

PNn Sujet Object de valeur
manifestants manifestation

où l'actant sujet est les manifestants et l'actant objet de valeur est la manifestation.
Cette première annotation peut ensuite être enrichie par le repérage d'autres
prograrnrnes narratifs ou d'autres actants impliqués. Un des premiers actants qui peut
être ajouté est l'antisujet, qui fait partie du prograrnrne narratif contraire. En effet,
chaque programme narratif a son contraire selon la règle définie dans la formule (2.3)
(cfr. 2.2.2).

Tableau 3.3 Exemple d'un programme narratif complété par son opposé
PNn 1 Sujet Obiect de valeur antisujet
1 manifestants manifestation police

Cette règle implique, par définition qu'à chaque programme narratif de jonction
correspond un programme narratif de disjonction opposé où les rôles actantiels sont
inversés. Par exemple, la police peut avoir un rôle de sujet ou d'antisujet selon que le
programme narratif se manifeste par la jonction ou la disjonction. L'axe qui connecte
le sujet à l'objet de valeur est appelé l'axe du vouloir et il constitue le pivot sur lequel
la modélisation greimassienne se fonde. Enfin, le protocole d'annotation est centré
l
sur le repérage de cet axe, qui constitue le prograrnrne narratif.
 189

L'annotation est ensuite enrichie par les deux autres axes impliqués dans chaque
programme narratif et qui organisent d'autres actants : l'adjuvant et l'opposant dans
l'axe du pouvoir, le destinateur et le destinataire dans l'axe de la transmission. La
figure 2.5 (cfr. 2.2.2) permet de visualiser des axes actantiels autour d'un programme
narratif. La figure illustre ce qui est appelé le schéma actantiel, lequel met au centre
la relation entre sujet et objet. Il constitue la base du protocole d'annotation, qui est
orienté par les principaux éléments de la théorie greimasienne. L'axe du vouloir, qui
correspond au programme narratif, explicite la relation entre un sujet et un objet.

Le protocole d'annotation se base alors sur le schéma actantiel. Le schéma actantiel a

été préféré au schéma narratif canonique qui, en principe, représente une évolution du
premier. Le choix du schéma actantiel est motivé par la simplicité du modèle, mais
surtout par le fait qu'il est centré sur l'organisation actantielle plutôt que sur les
segments logiques qui fondent un récit. Bien que le schéma narratif canonique
présuppose le schéma actantiel, il met de l'avant l'acte du sujet plutôt que les
relations actantielles. En fait, l'identification des actants et de leurs relations est une
opération différente de l'identification des séquences narratives. De notre point de
vue, le modèle actantiel permet de cerner le cœur narratif de chaque texte en se
concentrant sur les relations syntaxiques entre éléments sémantiques. Le schéma
actantiel permet ainsi de visualiser facilement les éléments communs et récurrents
entre articles. Mettre en valeur les actants et leurs relations plutôt que les processus
dans lesquels ils sont impliqués s'adapte à notre objectif de recherche et évite
d'utiliser infructueusement un cadre d'analyse plus complexe.

3.7.2 Détails de la mise en place

D'un point de vue pratique, l'annotation sera assistée par un logiciel construit pour
l'analyse qualitative, qui est basé sur R et qui s'appelle RQDA (Huang, 2018). Les
raisons de l'utilisation de RQDA pour l'annotation sont la facilité avec laquelle le
 190

logiciel permet d'associer des annotations à des passages des textes, mais c'est
surtout la base de données que le logiciel construit qui représente sa véritable valeur
ajoutée. La base de données organise les annotations et les passages de textes
correspondants dans une base de données relationnelle qui peut être interrogée
aisément à travers le langage SQL. La base de données est une forme instanciée de
notre« trace de lecture» et RQDA permet de retrouver facilement ces« traces» et de
les organiser de manière structurée.

3.7.3 Évaluation de la chaîne de traitement

La procédure d'annotation produit des résultats sur les caractéristiques sémantiques et

structurelles des clusters et, de cette manière, elle permet d'évaluer la chaîne de
traitement. En effet, pendant l'annotation, il est possible de valider si les clusters sont
véritablement organisés autour des mêmes schémas récurrents. Les résultats de cette
procédure doivent répondre aux attentes de nos hypothèses de recherche : celle
computationelle qui affirme que le clustéring regroupe des articles par similarité
sémantique et celle sémiotique qui veut que les similarités sémantiques soient
identifiables par un schéma récurrent de type narratif. En effet, si les hypothèses sont
fondées, alors la procédure d'annotation devrait fournir des éléments de comparaison
entre les articles d'un même cluster. En d'autres termes, si la phase d'annotation ne
permet pas d'utiliser les mêmes annotations pour un cluster, alors la méthode ne
répond pas, ou ne répond que partiellement, aux attentes qui découlent des
hypothèses de la recherche. Au contraire, si pendant la phase d'annotation il est
possible d'identifier un certain nombre d'éléments similaires entre les articles d'un
même cluster, alors la méthode répond positivement aux attentes de la recherche.
Enfin, la chaîne de traitement décrite dans la méthode représente une étude de
faisabilité dont les résultats sont analysés et évalués à travers une analyse détaillée qui
est essentiellement constituée par la présente procédure d'annotation. Si les résultats
 191

répondent aux attentes de la recherche, alors l'étude de faisabilité peut être considérée
comme une véritable nouvelle piste de recherche pour la sémiotique computationelle.

3. 7.4 · Détermination de l'échantillon

Dans la présente méthode, un échantillon est construit pour chaque cluster lors de la
phase d'annotation. En analyse de presse, l'échantillon est un groupe restreint
d'articles qui représente un groupe d'articles plus grand. En gros, l'échantillon doit
répondre aux mêmes critères en jeu lors de la constitution du corpus afin de
représenter une population plus large (cfr.3.2). Restreindre le nombre d'articles à
analyser en détail fait partie des pratiques courantes en sciences humaines et sociales.
Construire un échantillon d'une population est donc une étape importante de l'analyse
de textes et de l'analyse de presse.

Dans le présent travail, toutefois, l'échantillon ne se situe pas au point de départ de

la méthode, comme on pourrait s'y attendre, mais plutôt au point d'arrivée. Ceci est
dû au fait que la méthode permet de traiter un corpus de grande taille et donc, que le
besoin d'échantillonner au début de la chaîne de traitement est moins importante, ce
qui fait déplacer la constitution d'échantillons à la fin de la chaîne de traitement. Dans
ce contexte, l'échantillon assume un rôle différent, car il est constitué pour les phases
d'annotation et d'évaluation et non pour la phase d'analyse elle-même. Enfin, la
population de l'échantillon correspond à la totalité des articles qui ont été regroupés
dans un même cluster. On peut ainsi parler de populations (au pluriel). Le nombre
d'échantillons à construire est alors égal au nombre de clusters obtenus dans la
phase de regroupement des articles similaires.

Dans les champs d'études liés à l'analyse de presse, comme l'analyse de contenu ou
l'analyse du discours, plusieurs méthodes d'échantillonnage ont été développées pour
construire un ensemble de documents aptes à être analysés tout en respectant les
 192

critères d'orientation, de pertinence, d'homogénéité, d'hétérogénéité, d'exhaustivité

et de représentativité. Les méthodes sont nombreuses et chacune d'elles présente des
avantages et des désavantages. En simplifiant, il est possible de distinguer deux
grandes catégories d'échantillons: les échantillons aléatoires ou« probabilistes», où
généralement les observables sont choisis au hasard, et les échantillons empiriques ou
« non probabilistes », où les observables sont choisis selon des principes non
aléatoires. (Martin, 2009, p. 16).

Le premier groupe, soit celui des échantillons aléatoires, est basé sur des méthodes
statistiques et sur la loi de grands nombres. Ces méthodes se justifient par des
arguments mathématiques de nature probabiliste, mais aussi par le présupposé que
chaque unité de la population possède le même poids informatif (Krippendorff, 2004,
p. 113-114). Le deuxième groupe de méthodes, soit celui des échantillons empiriques,
est très varié et les méthodes qui ·en font partie ne se basent pas sur des principes
probabilistes.

Ces méthodes sont appliquées lors de la construction d'un échantillon qui est utilisé
pour la véritable analyse. Dans le cadre de la présente étude, l'échantillonnage est
exécuté sur chaque cluster qui a été créé et donc, après l'étape d'analyse. Dans notre
cas, l'échantillon doit permettre d'obtenir un petit nombre d'articles pour compléter
l'analyse et permettre l'évaluation de la méthode. En d'autres termes, les échantillons
servent à analyser les résultats du processus automatique, et ils doivent être
représentatifs des clusters.

Ainsi, l'échantillonnage est adapté à là chaîne de traitement et pour qu'il le soit, on

exploite les caractéristiques de la méthode. Le clustering est l'opération qui nous a
permis de regrouper des articles similaires. L'algorithme utilisé est le k-moyennes. La
procédure algorithmique converge lorsque les centroïdes s'arrêtent sur des centres de
 193

gravité de l'espace. Ces centres correspondent à des sous-espaces dans lesquels des
articles sont plus rapprochés ce qui signifie qu'ils sont similaires entre eux. En
d'autres termes, les centres de gravité sont les centres des sous-espaces les plus
denses. Les centroïdes représentent alors _une sorte d'article prototypique du cluster.
Cette information n'est. pas triviale et elle peut être exploitée pour trier et
échantillonner. En effet, les articles d'un cluster peuvent être ordonnés selon la
distance qui les sépare de leur centroïde, ce qui correspond à une mesure de similarité
entre les articles et le prototype du cluster.

Afin de produire l'échantillon le plus représentatif du cluster, il est fondamental

d'utiliser la mesure de similarité (formule 3.8) entre les articles et le prototype. Cette
approche est justifiée par le fait qu'un cluster correspond à. un sous-espace dont la
densité augmente en fonction de la diminution des distances qui séparent les articles
du sous-espace au centre de gravité. Il est donc raisonnable de sélectionner les
individus qui sont proches du centre de gravité du sous-espace à des fins
d'échantillonnage. En outre, surtout dans un contexte de fouille de textes, il est très
fréquent que des documents se situent aux limites du sous-espace. La distance avec le
centre de gravité permet d'exclure les documents plus éloignés, garantissant la
sélection d'articles plus proches du prototype et donc plus représentatifs du sous-
espace, qui est le cluster.

La méthode d'échantillonnage se base donc sur la distance entre les articles et les
prototypes et sur un seuil choisi par le chercheur. En résumé, un échantillon
représentatif est construit pour chaque cluster afin que la procédure d'annotation
puisse être exécutée. La méthode d'échantillonnage exploite les centroïdes du
clustering 'pour identifier les artië/es les plus proches du centre de gravité de chaque
cluster. Ensuite, un seuil doit être établi pour extraire les n articles les plus proches
du centre de gravité. Le seuil utilisé dans le présent travail est d'un tiers, ce qui
 194

permet de retenir le 33 % des articles contenus dans chaque cluster. Ces articles
seront annotés selon la procédure décrite dans le paragraphe précédent.
 CHAPITRE IV

EXPÉRIMENTATIONS

La méthode de la présente étude est composée d'une chaîne de traitements qui utilise
des outils informatiques et d'une phase d'annotation employant des outils de la
sémiotique. La méthode est construite pour l'analyse d'un grand nombre d'articles de
presse. Plus particulièrement, la chaîne de traitement vise à identifier des groupes
d'articles similaires et à fournir des échantillons à la phase d'annotation afin de
dégager des schémas récurrents mis en place par l'ensemble des articles. L'étude de
ces schémas, fournit des éléments importants pour l'analyse de la formation de
l'opinion publique. La présente étude constitue une démonstration de faisabilité qui a
été appliqué à un corpus qui regroupe des articles de presse sur le printemps érable.

Le présent chapitre décrit l'application de la méthode au corpus utilisé pour cette

étude. L'application de la méthode implique une série de choix et décisions
spécifiques à chaque différente étape de la méthode. Des protocoles d'application ont
été ainsi générés et ils seront présentés dans ce chapitre. Les résultats obtenus dans
l'application de chaque étape de la méthode seront aussi présentés.

Le chapitre est subdivisé en cinq sections: la première explicite les détails de la

construction du corpus; la deuxième détaille les procédures de la phase de
prétraitement du corpus; la troisième est la plus courte et explicite la nature du corpus
 196

de travail; la quatrième pré_sente les résultats de l'application du clustering au corpus

de travail; enfin, la dernière présente les résultats de la phase d'annotation.

Le résultats obtenus par la chaîne de traitement, et plus particulièrement les résultats

de l'étape de regroupemment automatique d'articles similaires, peuvent être consultés
de manière autonome au moyen d'une application web 18 construite à cet effet.
L'application est en version beta et elle doit être considerée exclusivement comme
support optionel. Elle ne constitue aucunement en un prolongement officiel de cette
thèse.

4.1 Le corpus

Un corp~s est composé de différents niveaux 19 : l'archive, le corpus de référence, le

corpus d'étude et les sous-corpus de travail. Bien qu'il n'existe pas de véritable
archive ou de base de données organisée sur le printemps érable, l'archive sur le sujet
est constituée par tous les articles de journaux, les émissions radiophoniques et
télévisées, les publications scientifiques, les livres, les blogues et les microblogues
d'information etc. qui ont traité, de manière directe ou indirecte, de la question du
printemps érable. L'archive correspond à tous les énoncés qui ont été produits
publiqu~ment, tous médias confondus. Le corpus de référence est constitué de
l'ensemble des articles, sous forme écrite, des principales sources d'information

18
Le lien de l'application est: [Link] phd printemps erable/

19
L'archive est, pour Rastier, un ensemble de documents accessibles mais qui ne constitue pas un
véritable corpus. Le corpus de référence est constitué par un ensemble de documents à partir
duquel le corpus d'étude sera construit. Le passage de l'archive au corpus de référence se réalise à
travers le critère d'orientation qui met en reliefla nécessité d'avoir un ensemble de documents pour
une tâche ou une application précise. Le corpus d'étude est l'ensemble de documents collectés sur
lesquels l'analyse est effectuée. Ce corpus dérive du corpus de référence et il est construit pour les
besoins spécifiques de l'application. Les sous-corpus de travail sont construits à partir du corpus
d'étude et ils sont mis en place pour optimiser la phase d'analyse
 197

québécoises qui ont traité, directement ou indirectement, de la question du printemps

érable. Pour obtenir ce corpus de référence, un protocole a été construit et il est décrit
dans la prochaine section. Le corpus d'étude est le résultat d'un processus de filtrage
mis en place pour améliorer l'homogénéité et la pertinence du corpus. Enfin, les sous-
corpus de travail sont constitùés par sept ensembles d'articles divisés par source
d'information.

Le corpus est soumis à plusieurs étapes de constitution qui permettent d'identifier les
groupes de documents sur lesquels l'analyse sera effectivement exécutée. Toutes les
étapes de constitution des différents niveaux du corpus respectent le plus possible les
critères de constitution du corpus. Chaque niveau du corpus peut donc être évalué sur
la base de ces critères. Dans ce contexte, il pourrait être pertinent d'évaluer un corpus
en lui assignant une valeur allant de zéro (critère non respecté) à cinq (critère respecté
pleinement) pour chacun de ces critères. Par exemple, un ensemble d'articles peut
être évalué en considérant l'orientation et la pertinence, auxquelles deux valeurs de 0
à 5 y sont associées. Afin que ce genre d'évaluation puisse être considérée valide, un
protocole complexe devrait être mis en place. En particulier, la plus grande partie de
sa validité dérive principalement de l'entente interjuge, ce qui implique des
ressources importantes. Dans le présent travail, cette opération n'a pas été réalisée à
cause du manque de ressources adéquates.

Toutefois, des évaluations de ce genre seront présentées afin de fournir quelques

indices sur la qualité du corpus. Ces évaluations ne suivent pas un protocole valide et
ne sont présentées qu'à titre indicatif. Par exemple, la figure 4.1, illustre l'évaluation
de l'archive et résume ses caractéristiques. En· effet, l'archive est un corpus sans
orientation car elle ne constitue pas un corpus pour une analyse spécifique. Par
conséquent, sa pertinence en relation à une étude est nulle. L'archive est associée à
une cohérence basse car, bien qu'elle regroupe tous les énoncés liés à un phénomène
 198

spécifique, sa cohérence ne peut être élevée puisque les énoncés sont trop différente
en terme de genre. En effet, dans un tel corpus, le genre textuel est très varié et, de
plus, il est très probable qu' un très grand nombr~ d'articles ne traitent le phénomène à
l' étude que de manière indirecte. Enfin, cette archive possède une très grande
hétérogénéité et une très grande exhaustivité car elle regroupe tous les énoncés de
tous médias. Un tel corpus, à la fois très hétérogène et très exhaustif, est par
définition très représentatif. Le passage de l' archive au corpus d' étude et aux sous-
corpus de travail doit augmenter le degré d'orientation, de pertinence et de cohérence
sans diminuer excessivement l'hétérogénéité, l' exhaustivité et la représentativité.

Évaluation archive

Orientation

Pertinence

Cohérence

Hétérogénéité

Exhaustivité

Représentativité

0 1 2 3 4. s
Figure 4.1 Évaluation de l'archive

4.1.1 Protocole de constitution du corpus ·

Le corpus de référence (Rastier, 2005a) est constitué par tous les articles de presse,
sous forme écrite, publiés au sujet de la grève étudiante par les principales sources
d' informa,tion. Il est principalement déterminé par le critère de l'orientation qui
permet une première sélection sur la base d'une question de recherche. Dans le cadre
de cette thèse, les émissions radiophoniques ou télévisées, les publications
 199

scientifiques, les blogues et les microblogues d'information ne seront pas traités. Le

cœur de notre matériel empirique est la presse écrite car notre question de recherche
vise à identifier les macrostructures dégagées par la presse écrite québécoise. Plus
spécifiquement, notre question de recherche vise l'analyse des sources d'information
les plus importantes en langue française. Ces trois éléments, presse écrite, sources
d'information les plus importantes et langue française, constituent les premiers choix
pour la sélection du matériel d'étude.

Le choix de la presse écrite est déterminé par un élément fondamental de la

problématique: étudier le traitement journalistique dans un cadre de recherche en
sémiotique et à l'aide d'outils computationels. En effet, la majorité de ces outils ont
été développés pour le traitement du langage naturel et, plus particulièrement, pour le
texte écrit. Étudier d'autres types de média, comme les émissions télévisées, est un
défi important pour la sémiotique computationelle appliquée dans un contexte
empirique. L'analyse de corpus appartenant à des systèmes sémiotiques différents de
celui de l'écriture requerrait l'utilisation d'outils très complexes, comme la
reconnaissance vocale ou le traitement des images. De plus, ces outils devraient être
adaptés pour la recherche en sciences humaines et sociales, ce qui représente une
problématique qui, à notre connaissance, n'a jamais été abordée. Ces mêmes raisons
déterminent également le choix d'un corpus mono-langue. Le traitement d'un corpus
bilingue multiplie les procédures à exécuter et, surtout dans un cadre computationnel,
complexifie le travail d'analyse. En effet, ce type d'analyse requerrait des outils de
traduction automatique qui sont également très complexes.

Enfin, le choix de sources d'information retenues est basé sur l'analyse des plus
importantes sources d'information québécoises. Ainsi, parmi les douze quotidiens
imprimés en langue française au Québec, onze appartiennent à de grands
conglomérats et ils se distribuent ainsi : La Presse, Le Soleil, Le Nouvelliste, Le Droit
 200

(Ottawa/Gatineau), Le Quotidien, La Tribune et La Voix de l'Est appartiennent à

Power Corporation; Le Journal de Montréal, Le Journal de Québec et Montréal 24
heures sont la propriété de Quebecor; Journal Métro appartient à TC
Transcontinental, alors que le journal Le Devoir est indépendant. Compte tenu des
informations obtenues sur le tirage, la taille du marché couvert en terme de
population et la propriété, nous avons choisi six sources d'information considérées
comme les plus importantes : La Presse, Le Soleil, Le Journal de Montréal, Le
Journal de Québec, Le Devoir et Journal Métro. Les deux premiers sont les journaux
les plus diffusés du groupe Power Corporation, les deux autres sont, en excluant le
ta~loïd Montréal 24 heures, les plus importants du groupe Quebecor, alors que Le
Devoir est le seul journal indépendant. Ensemble, ces journaux atteignent une
population supérieure à un million de personnes. Enfin, Journal Métro est un tabloïd
gratuit, qui est très diffusé et qui n'appartient pas aux principaux conglomérats. Ainsi,
parmi les sources choisies, les deux éditeurs les plus importants au Québec sont
représentés de façon égale et le groupe d'éditeurs indépendants et le groupe de
tabloïds distribués gratuitement nous apparaissent comme suffisamment représentés.
À ces six quotidiens, une septième source d'information a été ajoutée : le site web de
Radio-Canada, qui constitue une source d'information n'appartenant pas à des
intérêts privés. Ces sept sources d'information atteignent la grande majorité des
lecteurs québécois.

4. l.2 Moissonage

La sélection des articles a été réalisée à l'aide d'une procédure de recherche

automatique sur la base de données Eureka mise à disposition par les bibliothèques
de l'UQAM. Un script de moissonnage 20 a été développé pour effectuer les
recherches et extraire les données textuelles. La procédure de recherche est basée sur

20
Les modules Selenium, Scrapy et Beautifulsoup4 de Python ont été utilisés.
 201

trois types d'information: mot clé, date de publication et source d'information. Le

mot clé a été utilisé pour sélectionner les articles en fonction du critère de sail/ance
(Flament et Rouquette, 2003) selon lequel il existe des indicateurs lexicaux qui
peuvent servir d' « ancrage empirique » au phénomène exploré. Le critère de saillance
implique de choisir les mots qui, pour le printemps érable, peuvent remplir cette
fonction d'ancrage empirique. Les termes « étudiant, étudiants, étudiante et
étudiantes» ont été retenus à cet effet, car ils représentent les mots qui ont le plus de
probabilité d'apparaître lorsqu'un article traite du printemps érable. La deuxième
information utilisée par la procédure de recherche automatique est la date. La
recherche a été limitée à une période qui va du 13 février 2012 au 10 septembre 2012,
ce qui couvre l'entièreté de la période de grève jusqu'aux élections provinciales.
Enfin, les articles qui appartiennent aux sept sources d'informations choisies ont été
retenus. Pour le site web de Radio-Canada, les articles sélectionnés sont ceux qui sont
apparus dans la page «Nouvelles», dans la page « Montréal » et dans la page
« Québec ».

Il a été possible d'extraire de chaque article les informations suivantes : source

d'informations, date, titre, contenu de l'article, catégorie de l'article, numéro de
page et auteur. Les informations les plus importantes aux fins de la présente
recherche sont contenues dans la source d'information, le titre et le contenu de
l'article. À la fin du processus, 9 603 articles ont été extraits de la base de données.

4.1.3 Description du corpus

Les 9 603 articles extraits ne se distribuent pas également dans les sept sources
d'information (figure 4.2). Pour La Presse, Le Devoir, Le Journal de Montréal, Le
Journal de Québec et Le Soleil, la taille des documents qui les concernent est à peu
près similaire. En effet, leur écart type (tableau 4.1) est plus petit que l'écart type total
(tableau 4.2) et leur moyenne se rapproche beaucoup plus de leur médiane que de
 202

celle des sept sources d' information. Le site web de Radio-Canada et le Journal
Métro se distinguent donc des autres journaux en termes de taille car un nombre plus
petit d' articles en proviennent. Le tabloïd distribué gratuitement affiche le moins
grand nombre d' articles, ce qui est probablement dû à sa fréquence d'impression car
il n' a pas d' édition de fin de semaine. Le nombre d' articles provenant de la source
d'information publique n' est pas comparable avec les autres, car il s' agit d'un média
différent, soit un site web, qui ne suit pas les mêmes règles. En effet, les sources
d'information en ligne diffèrent des sources traditionnelles par leur capacité de traiter
un événement·en direct, ce qui influence grandement la fréquence de publication.

Nombre d'articles par source

1
SRC (site web)

Métro (Montréal)
-î
Le Soleil
1
Le Journal de Québec
li Nb. articles
1
Le Journal de Montréal ,,, 1 ,,.,,. .,,,. .,

Le Devoir
1
La Presse w···r·., y

0 500 1000 1500 2000

Figure 4.2 Distribution des 9 603 articles dans les sept sources d' information
 203

Tableau 4.1 (a) Résumé des indices de dispersion. Indices de dispersion pour les sept
sources d'information. (b) Indices de dispersion pour les cinq sources d'information
contenant le plus grand nombre d'articles, soit La Presse, .Le Devoir, Le Journal de
Montréal, Le Journal de Québec et Le Soleil
(a)· Nb. Sources (b) Nb. Sources
information 7 information 5
Moyenne 1371.86 Movenne 1571
Écart type 366.33 Écart tvoe 148.9
Minimum 768 Minimum 1372
25e centile 1176 25e centile 1492
Médiane 1492 Médiane 1582
75e centile 1613.5 75e centile 1645
Maximum 1764 Maximum 1764

Les auteurs des articles sont très variés et il est préférable de les considérer comme
des signatures. Les signatures sont très nombreuses et le ratio entre signature et
nombre d'articles est très élevé. Pour Le Devoir, une nouvelle signature apparaît à
presque chaque trois articles, à chaque 3,5 articles pour Le Journal de Montréal et
pour Le Journal de Québec, à chaque 4,5 articles pour La Presse, à chaque huit pour
Métro, à chaque neuf pour Le Soleil et à chaque 37 pour Radio-Canada. La signature
la plus fréquente de chaque source d'information est celle Anonyme, sauf pour Le
Devoir qui présente la journaliste Lisa-Marie Gervais comme la signature la plus
fréquente.

Tableau 4.2 Résumé des fréquences des signatures par source d'information
Publication Nombre Signatures Signature la Fréquence Ratio
articles uniaues olus fréauente art./si1ma.
Lisa-Marie
Le Devoir 1492 534 95 2,79
Gervais
Le Journal de
1645 470 Anonyme 193 3,50
Montréal
le Journal de Québec 1372 390 Anonyme 164 3,52
Métro (Montréal) 768 96 Anonyme 458 8,00
La Presse 1764 393 Anonyme 229 4,49
SRC (site web) 980 26 Anonyme 854 37,69
Le Soleil 1582 172 Anonyme 494 9,20
 204

Parmi les dix signatures les plus fréquentes par source d'information, on remarque
dans Le Devoir deux typologies de signature qui correspondent à une signature
anonyme, soit « Le Devoir » et « Anonyme » 21 pour un total de 80 signatures
«Anonymes». Ce journal présente aussi deux agences de presse (La Presse
canadienne et l' Agence France-Presse) et d'autres journalistes comme Antoine
Robitaille (44 signatures) ou Marie-Andrée Chouinard (37 signatures). Les journaux
de Quebecor présentent des caractéristiques similaires affichant la signature anonyme
et celle de l'agence de presse QMI, respectivement à la première et à la deuxième
position. Les journalistes Sarah-Maude Lefebvre, Richard Martineau, Régys Caron, J.
Jacques Samson et d'autres apparaissent les plus souvent dans les deux journaux.
Pour le Journal Métro, Annabelle Blais (46 signatures) et Maxence Knepper (31
signatures) sont les journalistes qui signent le plus fréquemment alors que Pascale
Breton (68 signatures) et Philippe Teisceira-Lessard (54 signatures) signent
fréquemment pour La Presse. Le site web Radio-Canada n'affiche pas beaucoup de
signatures et présente plusieurs versions de signatures anonymes. De plus, les
données extraites de la base de données contiennent plusieurs erreurs de transcription
ou de signatures doubles, ce qui requiert des outils de reconnaissance des entités
nommées pour nettoyer et normaliser chaque entrée. Cette dernière opération n'a pas
été effectuée, car l'étude de signature ne constitue pas un objectif de recherche. Le
tableau 4.3 présente les données brutes telles que extraites de la base de données.

Tableau 4.3 Les premiers dix journalistes par source d'information en relation à la
fréquence d'apparition
Le Devoir Freq Le Journal de Montréal Freq

Lisa-Marie Gervais 95 Anonyme 193

21
La valeur anonyme indique une absence d'information liée à la signature lors de la
procédure de moissonnage.
 205

La Presse canadienne 76 Agence QMI 163

Le Devoir 55 Sarah-Maude Lefebvre 56
Antoine Robitaille 44 Richard Marteneau 34
Marie-Andrée Chouinard 37 Régys Caron (bureau parlementaire) 26
Agence France-Presse 33 Marc-André Lemieux 24
Michel David 32 Michaël Nguyen 21
Robert Dutrisac 31 J. Jacques Samson 21
Anonyme 25 Francis A. Trudel 17
Christian Rioux 25 Jean-Luc Lavallée (bureau parlementaire) 16
Journal Métro (Montréal) Freq La Presse Freq

Anonyme 458 Anonyme 229

Annabelle Blais 46 Pascale Breton 68
Maxence Knepper 31 Philippe Teisceira-Lessard 54
Mario Charette 17 Gabrielle Duchaine 48
Marc-Antoine Audette; Sébastien Trudel 15 Émilie Bilodeau 47
Les justiciers masq 10 Tommy Chouinard 38
annabelle biais 10 Denis Lessard 38
Mathias Marchal 8 Alain Dubuc 35
Natalia Wvsocka 7 André Pratte 30
Roxane Léouzon 7 David Santerre 30
Le Soleil Freq Le Journal de Québec Freq

Anonyme 494 Anonyme 164

Marc Allard 94 Agence QMI 90
Annie Mathieu 69 Richard Martineau (collaboration spéciale) 47
Michel Corbeil 62 Régys Caron (bureau parlementaire) 41
Gilbert Lavoie 54 J. Jacques Samson 31
Jan Bussières 45 Sarah-Maude Lefebvre 25
Samuel Auger 44 Jean-Luc Lavallée (bureau parlementaire) 23
Carl Thériault 38 Christian Dufour (collaboration spéciale) 21
Jean-Marc Salvet 37 Geneviève Laioie (bureau parlementaire) 20
Simon Boivin 29 Pierre Gingras (collaboration spéciale) 20
SRC (site web) Freq

Anonyme 854
Radio-Canada avec La Presse Canadienne · 52
Radio-Canada avec Agence France-Presse et
Reuters 18
Radio-Canada avec Agence France-Presse 11
Sophie-Hélène Lebeuf; Radio-Canada 10
 206

Lili Boisvert ; Radio-Canada 5

Radio-Canada avec Reuters, Agence France-
Presse, CNN, La Presse Canadienne et
Associated Press 4
Radio-Canada avec Associated Press et
Reuters 3
Radio-Canada avec Agence France-Presse,
Associated Press et Reuters 2
Radio-Canada avec Agence France-Presse, ·
Associated Press, La Presse Canadienne,
Reuters et CNN 2

Tableau 4.4 Résumé des catégories d'articles et leurs fréquences

Publication Nb. articles Catégories Catégorie la plus Fréquence
uniques fréquente
Le Devoir 1492 53 Société 283
Le Journal de Montréal 1645 11 Nouvelles 1021
Le Journal de Québec 1372 16 Nouvelles 782
Journal Métro (Montréal) 768 27 Actualité 500
La Presse 1764 39 Actualités 788
SRC (site web) 980 1 Aucune 980
Le Soleil 1582 35 Actualités 875

Une étape de nettoyage a été effectuée seulement pour les données effectivement
utilisées dans la présente étude, soit le titre de l'article, le contenu de l'article et la
catégorie de l'article. Les deux premiers éléments font l'objet du prochain paragraphe.
Un résumé de la métadonnée « Catégorie de l'article » est présenté dans le tableau 4.4
où on remarque une grande variété entre les différentes catégories d'article. Toutefois,
les catégories qui cçmtiennent la majorité des articles sont « Actualités » et
« Opinion ». Cette variété est due à plusieurs erreurs de transcription qui font partie
de la base de données mais aussi à des choix éditoriaux différents selon les sources
d'information. Cependant, cette variété démontre également l'étendue de la
couverture journalistique sur le printemps érable; ce sujet a été abordé en effet par
plusieurs comités éditoriaux et dans plusieurs contenus journalistiques. Le tableau 4.5
 207

affiche les dix catégories les plus fréquentes pour chaque joumal22 • Ces catégories ont
été regroupées en trois grandes catégories, et sont : Actualité, Opinion, Autre.

Le nombre de mots par article indique également la présence de quelques erreurs

contenues dans la base de données, comme des articles vides ou comportant moins de
douze mots. En général, la moyenne des mots par article est plus grande pour Le
Devoir et moins grande pour Métro, ce qui correspond à la nature même des sources
d'information. Les deux journaux de Quebecor affichent les mêmes caractéristiques
tandis que les deux journaux de Power Corporation présentent quelques différences.
En effet, Le Soleil contient des articles moins longs que La Presse. Le tableau 4.6
présente par source d'information les résultats sur le nombre de mots contenus dans
les articles 23 •

Tableau 4.5 Catégories d'articles pour chaque source d'information

Le Devoir Nb. Le Journal de Nb. articles Le Journal Nb.
articles .Montréal de Québec articles
Société 283 Nouvelles 1021 Nouvelles 782
Politique 252 Votre Opinion 259 Votre Opinion 191
Actualités 187 Arts Et Spectacles 125 Spectacles 96
Idées 182 Sports 72 Sports 84
Éditorial 124 Weekend 64 Opinions 77
Culture 113 Votre Argent 43 Weekend 49
Lettres 84 Votre Vie 40 Votre Argent 42
Économie 45 Autonet 8 Vie et Société 15
Libre opinion 40 Votre Maison 7 Votre Maison 10
International 34 Livres 5 News 9
Métro Nb. La Presse Nb. articles Le Soleil Nb.
(.Montréal) articles articles
Actualité 500 Actualités 788 Actualités 875

22
Le site web Radio-Canada n'a pas de catégorie et n'est pas inclus dans le tableau.

23
Pour des questions de simplicité, le nombre d'espaces contenus dans les articles a été calculé afin
de déduire le nombre de mots.
 208

Monde 48 Débats 332 Éditorial 195

Opinions 46 Arts 121 Opinion 89
Carrières 43 La Presse Affaires 94 Sports 57
Arts et
Culture 30 Politique 67 51
spectacles
Carrières 22 Monde 56 Nos régions ~2
Éducation 15 CV 55 Politique 36
Week-end 10 Sports 43 Le samedi 34
Plus 6 Enjeux 28 Le Monde 31
Sports 6 Cinéma 21 Affaires 30

Tableau 4.6 Description des fréquences des mots dans les articles
Publication Moyenne Écart type Minimum 25e centile Médiane 75e centile Maximum
Le Devoir 651.81 331.75 0 404 624 871.25 1925
Le Journal de
Montréal 471.07 247.57 5 311 473 577 1897
Le Journal de Québec 481.23 239.02 11 345 477 559.25 1897
Métro (Montréal) 271.14 175.96 0 116 259 397 1177
la Presse 501.98 329.99 0 291.75 485.5 656.25 5580
SRC (site web) 423.59 313.79 2 212 344 550 2643
Le Soleil 414.11 342.29 0 189.25 393 565 4005

Comment peut-on évaluer cet ensemble d'articles construit grâce à cette procédure de
recherche automatique? L'ensemble correspond au corpus de référence et possède un
certain nombre de caraêtéristiques qui divergent de l'archive. D'abord, le corpus est
certainement plus orienté, car il a été construit sur la base d'une problématique, le
traitement journalistique du printemps érable, et d'une sélection d'articles tenant
compte des dates, des sources d'information et d'un ancrage empirique par mot clé,
selon le critère de saillance. La pertinence et la cohérence se situent à un niveau non
optimal.

Le problème le plus important d'un corpus construit par moissonnage automatique et

sur la base de mots clés est la portion de bruit qu'il inclut, c'est-à-dire la portion
 209

d'articles qui, malgré qu'ils contiennent le mot clé, ne traitent pas du printemps érable
et ne sont donc pas pertinents. Ces articles peuvent contenir le mot « étudiant » pour
d' autres raisons. Un exemple d'article constituant du bruit est le cas « Magnotta », un
jeune homme qui a tué un étudiant d ' origine asiatique dans la même période qu' avait
lieu le printemps érable. Les articles qui constituent du bruit sont nombreux et ils
réduisent le niveau de pertinence, de cohérence et de représentativité du corpus. Pour
ces raisons, dans la phase de filtrage de documents, le corpus de référence doit être
analysé et nettoyé afin que la représentativité, la pertinence et la cohérence
augmentent le plus possible (figure 4.3). Enfin, l' hétérogénéité et l' exhaustivité sont
réduites par rapport à l' archive puisque certaines sources d' information ont été
exclues. Toutefois, nous estimons que le fait d' avoir retenu les sources
d' informations les plus importantes permet de maintenir un niveau élevé dans ces
critères.

Évaluation corpus de référence

Orientation

Pertinence

Cohérence

Hétérogénéité

Exhaustivité
!
Représentativité
1
0 1 2 3 4 5

Figure 4.3 Évaluation du corpus de référence

 210

4.2 Le prétraitement

Le prétraitement est exécuté sur les 9 603 articles qui composent le corpus. La
première phase d'annotation automatique traite ces documents avec quelques outils
issus du traitement automatique du langage naturel afin d'en dégager certaines
caractéristiques proprement linguistiques .. La transformation vectorielle produit une
représentation vectorielle des documents, ce qui est fondamental pour le traitement
computationnel et pour la réalisation des analyses au moyen des techniques de
l'apprentissage automatique.

4.2.1 Annotation automatique

Les opérations de l'annotation automatique s'exécutent en parallèle. Pour ce faire, un

outil développé dans un cadre probabiliste, tel que détaillé dans l'annexe A, est utilisé.
L'outil s'appelle TreeTagger (Schmid, 1994, 1995) et il a été développé dans les
années '90 afin d'améliorer les estimations des parties du discours réalisées avec des
méthodes trigrammes·. La spécificité de cette méthode demeure l'utilisation d'un
arbre de décision pour l'estimation des probabilités de transition24. Ce dernier produit
de règles plus complexes que les modèles bigrammes et trigrammes, comme par
exemple la négation d'une occurrence (ex. tag_ 1 = ADJ A (tag_ 2 -::f:. ADJ) A
(tag_ 2 -::f:. DET) ). L'outil Treetagger s'effectue donc sur les résultats binaires de
l'algorithme arbre de décision appliqué d'abord sur des corpus annotés. Une fois le
modèle créé, l'algorithme applique, comme plusieurs annotateurs le font, l'algorithme
de viterbi afin d'identifier une séquence d'annotations pour une séquence particulière

24
Chaque état correspond à une étiquette morphosyntaxique et les probabilités de
transition d'un état à l'autre sont les probabilités P(tdti), et les probabilités
d'émission d'un symbole sont P(wdtj), qui est la probabilité qu'un mot soit émis à
partir d'une étiquette morphosyntaxique particulière. Consulter l'annexe A pour plus
de détails.
 211

de mots. Pour ce faire, l'algorithme utilise un vocabulaire qui contient pour chaque
mot les probabilités a priori d'appartenance aux parties de discours. Le vocabulaire
contient aussi les probabilités a priori pour chaque suffixe de mot (figure 4.4), ce qui
représente une caractéristique importante pour identifier la partie du discours d'un
mot.

no

tag_l =r-.'N'!

,, ''
,, ' yes
'

NN: 70"/4
, ADJ: 1()%
,, '
'

Figure 4.4 Exemple arbre de décision pour Treetagger (Schmid, 1994, p. 3)

La figure 4.4 montre un exemple de modèle construit par l'algorithme arbre de

décision. La probabilité d'une annotation est déterminée en suivant le chemin le plus
probable, dans ce cas défini par NN = 70 % à partir de deux annotations précédentes,
composées par un adjectif à la position -1 et un déterminant à la position -2. Ceci
signifie que, si l'algorithme viterbi trouve un « déterminant » suivi d'un « adjectif»,
il aura 70 % de chance d'annoter le prochain mot sous la catégorie« nom».

Les différentes opérations exécutées pour identifier les parties du discours de chaque
mot impliquent que la tokenisation et la lemmatisation aient également été
accomplies. Ceci est possible grâce à un certain nombre de règles que Treetagger
exécute et qui sont spécifiques à la langue traitée (figure 4.5). Plus particulièrement,
l'outil utilise deux typologies d'information: une série de règles pour la tokenisation
 212

et un vocabulaire qui contient les lemmes pour chaque mot. Si un mot n'est pas
contenu dans le vocabulaire, il ne sera pas transformé en lemme.

ies (NNS:0.9, VBZ:0.1)

ons (NNS:0.95, VBZ:0.05)
o) ous (JJ:0.96, NN:0.04)
ed (VBN:0.4, JJ:0.3, VBD:0.3)
oJ old (JJ:0.98, NN:0.02)

le (NN:0.25, JJ:0.45, NP:0.2, VB:0.1)

ce (NN:0.4, JJ:0.25, NP:0.2, VB:0.1)

ive (JJ:0.7, NN:0.15, NP:0.1, VB:0.05)
ing (VBG:0.6, NN:0.2, JJ:0.2)
ion (NN:0.7, NP:0.2, JJ:0.1)
son (NP:0.8, NN:0.1, JJ:0.1)
ton (NP:0.9, NN:0.05, JJ:0.05)
man (NP:0.8, NN:0.2)
ty (NN:0.45, JJ:0.35, NP:0.2)

Figure 4.5 Exemple de probabilités pour les suffixes de la langue anglaise (Schmid,
1995, p. 5)

À la fin du processus, Treetagger retourne un certain nombre d'informations, dont la

tokenisation, la lemmatisation et l'annotation des parties de discours. Dans l'annexe
B, la liste des codes pour chaque annotation effectuée par la méthode est présentée.

[Link] Résultats

Les résultats de l'annotation sont résumés dans le présent paragraphe. La liste

complète des annotations effectuées est contenue dans le tableau 4.7. Les différentes
catégories ont été réunies dans de plus grands contenants, présentés dans le tableau
4.8. Par exemple, les six différentes typologies de pronoms ont été réunies en une
seule catégorie, soit la macrocatégorie « PRO », correspondant aux pronoms de toute
sorte. Pour l'explication des codes, consulter l'annexe B.

Tableau 4. 7 Détails des parties du discours annotées

 ,,;.

213

ABR ADJ ADV DET: DET: INT KON NAM NOM NUM PRO
· ART POS
PRO: PRO: PRO: PRO: PRO: PRP PRP: PUN PUN: SENT SYM
DEM IND PER POS REL det cit
VER: VER: VER: VER: VER: VER: VER: VER: VER: VER: VER:
cond futu impe impf infi pper ppre pres simp subi subp

Tableau 4.8 Nombre total par partie du discours en ordre décroissant

Partie du Moyennes par Totaux % du total
discours article
NOM 133,72 1283932 22,64%
PRP 90,77 871562 15,37%
VER 82,92 796203 14,04%
DET 64,34 617788 10,89%
PUN 46,22 443763 7,82%
PRO 45,28 434753 7,67%
ADJ 37,28 358007 6,31%
ADV 29,90 287069 5,06%
SENT 25,33 243190 4,29%
KON 21,76 208974 3,68%
NUM 11,14 106947 1,89%
ABR 1,03 9896 0,17%
SYM 0,61 5871 0,10%
!NT 0,20 1956 0,03%
NAM 0,14 1312 0,02%

Le tableau 4.8 décrit des phénomènes attendus. Par exemple, les noms communs
constituent la catégorie la plus fréquente, suivis par lès prépositions, les verbes et les
déterminants. La ponctuation et les pronoms apparaissent à un rythme similaire et les
adjectifs sont plus nombreux que les adverbes. Une donnée particulière est celle des
noms propres qui ne dépasse pas le 0,02 % ce qui est dû en partie aux erreurs de
l'outil Treetagger. Les performances connues de cet outil ne dépassent pas le 97,53 %
de F-mesure 25 , mais ces prédictions sont optimistes pour le traitement de données

25
Ce sont les résultats du module pour la langue allemande comme décrits· dans
 214

réelles. Enfin, on souligne qu'il y a 590,63 annotations pour chaque article en

moyenne et un total de 5 671 223 annotations, correspondant au nombre de tokens
identifiés. Le tableau 4.9 montre les résultats des annotations par journal. Pour chaque
journal, on observe les mêmes proportions de la fréquence des catégories identifiées.

Tableau 4.9 Totaux des annotations par source d'information

Journal: PR RC so
moyennes totaux % du moyennes totaux % du moyennes totaux % du
total total total
ABR 0,54 950 0,09% 1,56 1530 0,30% 0,94 1483 0,18%
ADJ 38,70 68259 6,14% 32,06 31422 6,17% 32,34 51130 6,23%
ADV 33,63 59322 5,34% 19,56 19173 3,76% 24,58 38865 4,73%
DET 68,52 120871 10,87% 58,93 57755 11,33% 56,14 88760 10,81%
!NT 0,26 455 0,04% 0,08 83 0,02% 0,14 220 0,03%
KON 23,30 41093 3,70% 16,80 16461 3,23% 18,30 28933 3,52%
NAM 0,15 271 0,02% 0,13 123 .0,02% 0,14 220 0,03%
NOM 140,35 247581 22,27% 128,68 126103 24,74% 120,84 191051 23,26%
NUM 10,98 19371 1,74% 11,12 10901 2,14% 12,26 19376 2,36%
PRO 49,69 87661 7,89% 30,69 30077 5,90% 36,50 57707 7,03%
PRP 95,31 168119 15,13% 88,02 86257 16,93% 80,70 127592 15,54%
PUN 49,14 86685 7,80% 40,94 40123 7,87% 41,61 65780 8,01%
SENT 28,78 50769 4,57% 19,31 18922 3,71% 23,69 37452 4,56%
SYM 0,87 1534 0,14% 0,44 427 0,08% 0,51 810 0,10%
VER 89,88 158541 14,26% 71,69 70255 13,79% 70,73 111819 13,62%
Journal JQ DE JM
moyennes totaux % du moyennes totaux % du moyennes totaux % du
total total total
ABR 1,20 1641 0,20% 1,22 1826 0,15% 1,05 1721 0,18%
ADJ 37,94 51984 6,30% 52,77 78728 6,63% 36,35 59797 6,28%
ADV 31,34 42969 5,21% 41,64 62124 5,24% 30,92 50862 5,34%
DET 64,09 87860 10,64% 88,76 132428 11,16% 61,60 101334 10,65%
!NT 0,25 341 0,04% 0,21 318 0,03% 0,24 398 0,04%
KON 22,27 30533 3,70% 31,12 46429 3,91% 21,65 35610 3,74%
NAM 0,15 211 0,03% 0,16 235 0,02% 0,13 213 0,02%
NOM 135,01 185065 22,42% 176,58 263453 22,20% 128,48 211351 22,21%
NUM 13,15 18014 2,18% 11,02 16448 1,39% 10,70 17603 1,85%
PRO 48,48 66458 8,05% 62,45 93172 7,85% 48,03 79008 8,30%
PRP 89,41 122537 14,85% 124,33 185497 15,63% 85,75 141057 14,82%

Schmid (1995).
 215

PUN 45,91 62991 7,63% 65,50 97720 8,24% 43,48 71532 7,52%
SENT 26,29 36041 4,37% 30,67 45757 3,86% 25,51 41959 4,41%
SYM 0,64 872 0,11% 0,70 1050 0,09% 0,58 946 0,10%
VER 86,02 117929 14,29% 108,20 161435 13,60% 84,13 138390 14,54%
Journal ME
moyennes totaux % du
total
ABR 0,97 743 0,28%
ADJ 21,64 16623 6,29%
ADV 17,86 13720 5,19%
DET 37,37 28702 10,86%
!NT 0,18 141 0,05%
KON. 12,89 9896 3,74%
NAM 0,05 39 0,01%
NOM 77,04 59166 22,38%
NUM 6,79 5211 1,97%
PRO 26,85 20618 7,80%
PRP 52,57 40372 15,27%
PUN 24,65 18928 7,16%
SENT 15,97 12263 4,64%
SYM 0,30 230 0,09%
VER 49,15 37749 14,28%

Le total de types annotés est 56 301 26, ce qui comprend toutes les catégories de mots.
Pour chaque catégorie, la variété des lemmes est calculée et indiquée dans le tableau
4.10. Par exemple, les parties de discours « noms propres » sont celles qui ont une
variété plus grande car le ratio annotation/lemme est le plus bas alors que les
conjonctions et les signes de ponctuation présentent le moins de variété. Pour les
adjectifs, la variété est plus grande que celle des adverbes.

Tableau 4.10 Résumé du ration token/type (annotation/lemme)

Partie du Nombre Lemmes Nombre annotations Ratio annotations/lemmes
discours différents
ABR 144 9896 68,72
ADJ 12883 358007 27,79
ADV 915 287069 313,74
DET 10 617788 61778,80
26
Toutefois, si on ne considère pas la subdivision en pafties du discours, les types sont 50 471, car
un certain nombre de lemmes peuvent appartenir à plus qu'une catégorie. ·
 216

INT 78 1956 25,08

KON 28 208974 7463,36
NAM 242 1312 5,42
NOM 34229 1283932 37,51
NUM 97 106947 1102,55
PRO 58 434753 7495,74
PRP 56 871562 15563,61
PUN 17 443763 26103,71
SENT 4 243190 60797,50
SYM 3 5871 1957,00
VER 7537 796203 105,64

La sélection des mots vides est réalisée par trois méthodes : à partir d'une liste
préétablie de parties du discours, d'une liste préétablie de· mots vides et de la
fréquence documentaire. Les parties de discours qui correspondent aux adjectifs, aux
adverbes, aux noms propres, aux noms communs et aux verbes sont retenues, tandis
que les autres catégories ne le sont pas. Les tokens retenus totalisent 2 726 523 tokens,
c'est-à-dire 48 % des occurrences totales. Bien que cette opération permette de
diminuer de plus de la moitié des tokens, le nombre de types demeure presque invarié,
soit 55 80627 pour 99 % des types.

Par la suite, une liste préétablie comptant 466 mots est utilisée pour effacer des mots
qui sont généralement considérés comme mots vides. Cette opération de filtrage mène
à 2 229 145 tokens et à 49 950 types. Enfin, la fréquence documentaire est utilisée
pour réduire les mots peu significatifs, mais elle est calculée pendant l'étape de
représentation vectorielle des textes et permettra alors de réduire de presque 40 % le
nombre de types.

27
Sans tenir compte de la subdivision par catégorie, 50 144 types demeurent après le filtrage.
 217

4.2.2 Représentation vectorielle

À la fin de l'annotation automatique, le corpus textuel est converti dans une matrice
Documents-Mots. La matrice contient 9 602 28 documents et 29 615 types. Les types
ayant une fréquence documentaire de moins de deux articles ont été supprimés. Ainsi
la matrice U définie dans la formule (2.5) est construite. Dans cette matrice, les lignes
correspondent aux articles, les colonnes aux lemmes, que dorénavant nous
appellerons mots. À partir de cette matrice, il est possible de voir quels sont les mots
les plus fréquents dans le corpus entier (tableau 4.11) et pour chaque journal (tableau
4.12).

Tableau 4.11 Les 20 mots les plus fréquents du corpus, en excluant le mot
« étudiant »
Rang: Fréquence Mot
1 25647 faire
2 18145 Québec
3 15423 IPOUVoir
4 11710 gouvernement
5 10839 devoir
6 10025 droit
7 9574 université
8 9262 aller
9 8515 Montréal
JO 8177 an
Jl 7872 ministre
12 7859 grève
13 7323 vouloir
14 7189 Charest
15 7009 québécois
16 6822 dernier
17 6721 scolarité
18 6638 classe
19 6610 grand
20 6511 courlcours

28
Un document est vide et il a été supprimé.
 218

Parmi les journaux, il y a peu de différence au niveau des mots les plus fréquents, ce
qui ne révèle rien de spécifique ou caractéristique. En examinant les fréquences
(tableau 4.12), on obtient une liste de mots les plus fréquents pour chaque journal.
Ces listes sont très semblables et sont aussi similaires à celle qui correspond aux mots
les plus fréquents du corpus en entier (tableau 4.11 ).

Tableau 4.12 Les 20 mots les plus fréquents par source d'information
RC PR
Rang Fréquence Mot Rang Fréquence Mot
1 2630 Québec 1 5192 faire
2 1977 faire 2 3088 pouvoir
3 1621 grève 3 2867 Québec
4 1593 université 4 2379 gouvernement
5 1517 Montréal 5 2163 devoir
6 1428 droit 6 . 2145 droit
7 1299 manifestation 7 1842 an
8 1281 gouvernement 8 1807 Montréal
9 1224 classe 9 1801 aller
10 1163 ministre 10 1753 université
11 1105 pouvoir 11 1505 vouloir
12 1100 association 12 1489 grève
13 999 scolarité 13 1417 !!rand
14 989 courlcours 14 1379 voir
15 974 devoir 15 1342 dernier
16 957 loi 16 1305 jeune
17 913 Charest 17 1296 classe
18 906 parti 18 1280 cour/cours
19 897 cégep 19 1279 ministre
20 845 hausse 20 1252 année

JM JQ
Rang Fréquence Mot Rang Fréquence Mot
1 4624 faire 1 3992 faire
2 2601 pouvoir 2 2714 Québec
3 2591 Québec 3 2259 pouvoir
4 1785 gouvernement 4 1649 gouvernement
5 1751 aller 5 1553 an
6 1732 devoir 6 1534 devoir
7 1471 Montréal 7 1460 aller
8 1383 vouloir 8 1154 québécois
9 1380 an 9 1154 voulojr
10 1269 voir 10 1113 ministre
11 1186 québécois 11 1091 Charest
 219

12 1182 université 12 1034 Montréal

13 1176 dernier 13 1023 voir
14 1124 Charest 14 1011 université
15 1114 ministre 15 986 grand
16 1095 prendre 16 983 dernier
17 1070 grand 17 957 jeune
18 1064 droit 18 941 droit
19 1060 jeune 19 923 année
20 1028 hier 20 920 prendre

so DE
Rani! Fréquence Mot Ranf! Fréquence Mot
1 3386 faire 1 5189 faire·
2 3308 Québec 2 3551 pouvoir
3 2073 pouvoir 3 3314 Québec
4 1598 gouvernement 4 2569 devoir
5 1585 droit 5 2496 gouvernement
6 1500 université 6 2398 droit
7 1382 aller 7 2068 université
8 1353 devoir 8 1715 aller
9 1299 grève 9 1699 ministre
10 1251 hier 10 1593 québécois
11 1227 an 11 1534 politique
12 1184 Charest 12 1513 grand
13 1138 ministre 13 1454 Montréal
14 1052 courlcours 14 1411 grève
15 1038 association 15 1374 dernier
16 1034 scolarité 16 1358 loi
17 1022 vouloir 17 1331 vouloir
18 940 Québécois 18 1314 Charest
19 900 loi 19 1284 an
20 896 prendre 20 1265 scolarité

ME
Ranf! Fréquence Mot
1 1287 faire
2 745 pouvoir
3 720 Québec
4 519 gouvernement
5 514 devoir
6 472 Montréal
7 467 université
8 463 droit
9 385 aller
10 363 hier
11 362 ministre
12 349 scolarité
 220

13 348 jeune
14 345 an
15 337 Charest
16 325 vouloir
17 312 grève
18 310 classe
19 301 courlcours
20 297 grand

4.2.J Filtrage

Les opérations de filtrage se divisent en deux : celles exécutées au niveau des mots et
celles exécutées au niveau des documents. Généralement, les opérations sur les
documents sont plus complexes que celles sur les mots, ce qui est le cas pour le
présent travail. La plus grande complexité du filtrage des documents est due
principalement aux problèmes liés à la manière dont le corpus est construit, ce qui
introduit un niveau non négligeable de bruit. En effet, la recherche par mots clés ne
peut pas distinguer les articles traitant du printemps érable de ceux qui traitent
d'autres sujets, car, le mot «étudiant», qui a été utilisé comme mot clé pour la
recherche automatique, peut être employé dans des articles couvrant différents sujets.
Par exemple, le mot « étudiant » peut être utilisé dans des articles qui décrivent des
événements criminels, comme le meurtre de l'étudiant chinois Jun Lin dans l'affaire
« Magnotta ». La recherche par mots clés n'est donc pas suffisante pour discriminer
les articles qui feront partie du corpus d'étude et une étape supplémentaire de filtrage
est nécessaire. Une procédure complexe de filtrage de documents a donc été conçue
pendant la phase des expérimentations.

[Link] Les mots

Le filtrage des mots est exécuté par le biais d'une opération simple, c'est-à-dire la
fréquence documentaire est exécutée en même temps que l'étape de vectorisation.
Ainsi, les mots qui n'apparaissent pas dans plus de deux articles ont été exclus, ce qui
 221

mène à 29 615 types différents. À partir de cette nouvelle matrice, un indice de

variabilité du vocabulaire entre les journaux est obtenu en considérant le ratio
token/type de chaque journal. Dans le tableau 4.13, on remarque que le vocabulaire le
plus varié est celui du Journal Métro, les autres ayant presque le même degré de
variabilité.

Tableau 4.13 Variabilité du vocabulaire

Journal Tokens Type Ratio tokens/types Ratio types/tokens en %
RC 206572 9719 21,25445005 4,70%
PR 426398 19158 22,25691617 4,49%
DE 458271 18916 24,22663354 4,13%
JM 369420 21285 17,35588443 5,76%
JO 321707 20603 15,61457069 6,40%
ME 102202 10595 9,64624823 10,37%
so 319485 17206 18,56823201 5,39%

[Link] Les documents

Le filtrage sur les documents est exécuté en deux étapes différentes : une procédure
par règles et une procédure d'apprentissage semi-supervisé. La première procédure a
comme but l'élimination d'articles qui répondent à deux caractéristiques : articles
doubles ou article contenant des rnots clés spécifiques. Une série de règles basées sur
des expressions régulières, sont créées afin d'éliminer les articles doubles. Un
premier groupe de règles identifie les articles qui ont le même contenu, ceux qui ont
le même titre et presque le même contenu et ceux qui sont vides. Le deuxième groupe
de règles est constitué d'une seule règle qui vise à éliminer les articles qui
contiennent le mot clé « Magnotta ». Cette procédure de type supervisé et construite
sur une série de règles est efficace lorsqu'on connaît au préalable le type de bruit
présent dans le corpus. Dans le cas du corpus de référence du présent travail, nous
étions conscients du fait qu'il y avait des articles doubles et surtout du fait qu'un
événement particulier concernant un étudiant avait reçu une grande attention de la
 222

part des médias québécois dans la même période que le printemps érable, c'est-à-dire
l'affaire « Magnotta ». Pour ces raisons, nous avons choisi d'effectuer ces deux
procédures supervisées, ce que nous a permis de réduire le corpus de référence à 8929
[Link] résultats de cette première étape de filtrage sont présentés dans le tableau
4.14.

Tableau 4.14 Résultats filtrage par règles

Source Çontenant Double article Double titre Articles vide Nombre d'articles
d'information k< Magnotta » retenus
DE 16 16 Il 1 14481
JM 39 14 82 0 1510;
JG 2 12 83 0 1249.
PR 33 lC 5i 0 1664'
ME 15 3C 2 0 721
SC 2 2i 21 0 1512
RC 3 15 lOf 0 825;

En principe, si toutes les typologies de bruit contenues dans le corpus étaient connues
·préalablement et si on pouvait construire des règles pour les identifier avec certitude,
la procédure précédente serait suffisante pour nettoyer le corpus de référence. Bien
que ce ne soit rarement possible, il est important d'identifier préalablement un certain
nombre d'erreurs. Par la suite, d'autres types de procédures de nettoyage peuvent être
accomplies, comme celle de type semi-supervisée qui a été utilisée dans le présent
travail et dont l'algorithmique est représentée dans la figure 4.6. De manière générale,
cette procédure est constituée de plusieurs étapes. La première est l'application d'un
clustering basé sur la densité qui s'appelle DBscan dans le but d'identifier un certain
nombre de documents constituant potentiellement du bruit et à analyser ses résultats
afin de déterminer un véritable ensemble d'articles constituant du bruit. La deuxième
étape est constituée d'une phase d'apprentissage, avec une sous-étape d'entraînement
de test, afin de créer un modèle capable de distinguer les articles constituant du bruit
des articles· traitant du printemps érable. La dernière étape consiste à appliquer le
modèle au corpus pour identifier le bruit et accomplir ainsi le filtrage de documents.
 223

- - Input Input - 30%

1
70%

Out put ·

- - - - Input - - - - - - - 1

Figure 4.6 Procédure de filtrage des documents. Les rectangles arrondis constituent
un bloc d'information d'input ou d'output. Le rectangle représente des procédures
algorithmiques. Les trapèzes inversés constituent des procédures non-
automatiques (intervention humaine). Le rectangle à forme irrégulier correspond à
la matrice U (documents-mots) de laquelle le corpus d'apprentissage et le groupe de
documents du filtrage par règles ont été Soustraits.

De manière plus détaillée, la première étape (rectangle nommé « DBscan Clustering »

dans la figure 4.6) consiste à utiliser un clustering basé sur la densité qui s'appelle
DBscan (Density-Based Spatial Clustering of Applications with Noise) , avec
l' objectif d' identifier un premier groupe de documents constituant potentiellement du
bruit. Consulter l' annexe C pour plus de détails. Pour atteindre l' objectif fixé,
DBscan est exécuté plusieurs fois afin d' identifier la configuration des paramètres qui
permet d 'obtenir un seul grand cluster répondant aux paramètres de densité et un
cluster de bruit « -1 » qui ne dépasse pas le tiers du corpus, mais qui soit assez
volumineux. De cette manière, il est possible d' identifier un grand groupe d' articles
assez proches entre eux et constituant 66 % du corpus. Le 33 % d' articles restants,
 224

distants et éparpillés dans l'espace, ne répondent pas aux paramètres de densité et

sont ainsi réunis sous le cluster du bruit « -1 ». Le cluster « -1 » constitue ainsi un
groupe d'articles constituant potentiellement du bruit, alors que le cluster « 1 »
constitue le groupe d'articles qui ont le plus de chance d'être des textes sur le
printemps érable. Après plusieurs essais, les paramètres de densité ont été configurés
ainsi : e = 0,8 et MinPts = 1 320. La fonction de distance utilisée est le cosinus et la
méthode des k plus proches voisins utilisés est basée sur une recherche par force
brute29 • À la fin du processus, le cluster « 1 » contient 6 204 articles et le cluster « -
1 » contient 2 725 articles.

La deuxième étape (trapèze isocèle nommé « Analyse résultats » dans figure 4.6) est
l'analyse des résultats de l'étape précédente et elle a comme but d'identifier un
véritable groupe d'articles constituant du bruit, ce qui conduit à la construction du
corpus d'apprentissage. Plus ou moins 10 % de chacun des deux clusters issus de
l'application de DBscan a été sélectionné par une méthode d'échantillonnage
aléatoire simple. Les tailles ont été arrondies pour obtenir deux groupes parfaitement
proportionnés (1 versus 1/2) et nous obtenons ainsi 600 articles pour le cluster « 1 »
et 300 articles pour le cluster du bruit« -1 ». La lectur~ et l'analyse de chacun de ces
articles permettent de créer un corpus d'apprentissage constitué d'une classe « 1 »,
constitués d'articles qui traitent du printemps érable et d'une classe « -1 »,
comportant des articles qui ne traitent pas du printemps érable.

À la fin du processus d'analyse, nous avons obtenu une classe d'articles traitant du
printemps érable contenant 550 documents et une classe d'articles constituant du bruit
de taille 348. Deux articles ont été exclus du corpus d'apprentissage à cause de leur
ambiguïté et 48 ont été transférés dans la classe « -1 ». Le corpus d'apprentissage,

29
L'implémentation de l'algorithme utilisée est celle contenue dans le module scikit-leam de
Python.
 225

avec 989 articles, correspond environ à 10 % de la taille du corpus de référence, dont

il est représentatif avec un intervalle de confiance de 3, 1 % et un niveau de confiance
de 95 %, c'est-à-dire que nous avons 5 % de chance de commettre une erreur avec un
intervalle de 3,1 %.

La prochaine étape (rectangles nommés« Entrainer SVM »et« Tester SVM » dans la
figure 4.6) consiste à entraîner et tester un modèle SVM linéaire (machine à vecteur
de support), c'est-à-dire à lui faire « apprendre » à reconnaître le bruit et à le
distinguer de la classe « 1 ». La technique SVM est utilisée pour des tâches de
discrimination surtout dans des contextes de fouille de textes où son efficacité 30 a été
démontrée. Le principe de base de cette technique consiste à identifier une fonction
de discrimination linéaire f pour séparer de manière binaire les données, c'est-à-dire
les distinguer en deux classes, la classe « 1 » et la classe « -1 ». La frontière de
décision construite par l'algorithme est appelée l'hyperplan séparateur. Le but de
l'algorithme est d'apprendre la fonction f et de construire l'hyperplan séparateur
optimal pour le corpus d'apprentissage qui a été préalablement annoté avec les
classes « 1 » et « -1 ». Il s'agit donc d'une méthode d'apprentissage supervisé
permettant d'apprendre à reconnaître deux classes d'objets sur la base d'exemplaires
de chacune de deux classes. Pour construire le modèle, le corpus d'apprentissage est
divisé en deux parties: le 70 % est utilisé pour la phase d'apprentissage et 30 % pour
la phase de test, c'est-à-dire 628 documents pour l'apprentissage et 270 documents
pour le test. Le SVM a été appliqué plusieurs fois avec une méthode de validation
croisée en dix sous-échantillons (10-fold-cross-validation). La validation croisée a été
effectuée plusieurs fois pour déterminer la meilleure valeur du paramètre de pénalité
C, qui a été fixé à une valeur de 6.25. Le test sur le modèle final a produit des
résultats très satisfaisants, car la F-mesure (tableau 15) est de 97 %.
 ·226

Tableau 4.15 Résultats du test SVM

Précision Raooel Fl-score Nb. supports
Classe 1 (non-bruit) 0.97 0.99 0.98 152
Classe -1 (bruit) 0.98 0.96 0.97 118
Moy. ponderée 0.97 0.97 0.97 270

Le modèle final est utilisé dans la dernière étape (rectangle nommé « Appliquer
SVM » figure 4.6) de cette procédure complexe de filtrage de documents, qui consiste
à identifier dans le corpus de référence les articles qui, sur la base des résultats du
SVM, correspondent à du bruit. Le SVM est appliqué à une Matrice Document-Mots
(rectangle irrégulier de la figure 4.6) qui compte 8 031 31 lignes. À la fin de ce
processus, on obtient les résultats de la procédure de filtrage, qui correspondent à
une liste de [Link] (1 ou -1) de la même taille que la matrice sur laquelle le
modèle SVM est appliqué. Ce dernier processus identifie 2 228 articles constituant du
bruit. Ces articles ont été ajoutés aux documents constituant du bruit utilisés dans le
corpus d'apprentissage (348 articles), pour un total de 2 576 articles faisant partie de
la classe « -1 », c'est-à-dire du bruit. Des 8 929 articles qui étaient restés après le
filtrage par règle, on soustrait les 2 576 articles identifiés dans la phase de filtrage
supervisé. Une dernière vérification manuelle sur le corpus a été accomplie,

30
Dans le cadre de cette thèse, il n'est ni possible ni pertinent de présenter le fonctionnement de
cette technique.
31
De la matrice initiale U, qui comptait 9 603, le filtrage par règles a soustrait 674 articles. Par la
suite, un corpus d'apprentissage de 898 articles a été construit pour l'entrainement de l'algorithme
SVM. Ces documents ont été également soustraits de la matrice initiale, laquelle, pour l'application
finale du SVM, compte 8 031 articles.
 227

permettant d' identifier 77 articles supplémentaires comme étant du bruit. Les 6 276 32
articles restants constituent notre corpus d'étude.

Ainsi, l' étape de filtrage de documents se conclut avec la détermination du corpus

d'étude, constitué de 6 276 articles traitant du printemps érable. L' évaluation de ce
corpus est présentée à la figure 4.7. Évidemment, le critère d' orientation est celui qui
augmente le plus, car le corpus d'étude, après le filtrage, répond très bien à l' objectif
de la recherche. La pertinence et la cohérence augmentent également, car une grande
pa1tie de bruit issu de la méthode de collecte de données a été identifiée et retirée. La
cohérence augmente moins que la pertinence, car il demeure une grande
hétérogénéité de genre dans le corpus. De plus, la marge d ' erreur du modèle SVM,
autour de 3% (tableau 4 .15), ne permet pas d'atteindre un niveau optimal. Le corpus
demeure tout de même très hétérogène, exhaustif et représentatif par rapport à la
question de recherche posée.

Évaluation corpus d'étude

Orientation

Pertinence

Cohérence

Hétérogénéité

Exhaustivité

Représentativité
!

0 1 2 3 4 5

Figure 4.7 Évaluation du corpus d' étude

32
Pour résumer, 9 603 - 674 (filtrage par règle) - 2 576 (filtrage supervisé) - 77 (vérification
supplémentaire) = 6 276 articles constituant le corpus d ' étude.
 228

4.3 La définition du corpus de travail

Le corpus d'étude est soumis encore une fois au prétraitement afin de réduire le bruit
résiduel au niveau des types propres aux documents filtrés. Essentiellement, la
vectorisation est exécutée sur le corpus d'étude, obtenant une matrice de 6 276 lignes
et 20 040 colonnes. Le corpus d'étude est composé ainsi de 6 276 articles, dont 1 110
de La Presse, 1 011 du Le Devoir, 1 072 du Le Journal de Montréal, 865 du Le
Journal de Québec, 1 073 du Le Soleil, 460 du Métro et 685 du site web Radio-
Canada.

La distinction par journal est utilisée pour obtenir sept sous-corpus de travail
différents, ce qui mène à distinguer sept matrices différentes, c'est-à-dire une matrice
par journal. Chaque sous-matrice possède un nombre de lignes égal au nombre
d'articles contenus dans le journal et un nombre de colonnes égal au nombre de mots
du corpus d'étude. Les étapes d'analyse seront alors effectuées sur les sept sous-
corpus de travail de manière indépendante. Ce choix est basé sur l'idée que chaque
source d'information possède ses spécificités dans le traitement des nouvelles et la
comparaison entre ces sous-corpus est certainement facilitée si les analyses sont
exécutées séparément.

4.4 Le regroupement des documents similaires

Le cœur du processus d'analyse est constitué par l'identification de groupes d'articles

similaires. Cet objectif est atteint par une méthode qui appartient au paradigme non
supervisé de l'apprentissage automatique, c'est-à-dire le clustering. Un algorithme
spécifique, le K-moyennes, est utilisé pour atteindre les objectifs fixés. Tel que décrit
dans le paragraphe 3.6.1, cet algorithme génère une partition contenant un nombre de
clusters égal à la valeur du paramètre k. Son hypothèse de classification se base sur
 229

l'optimisation de l'homogénéité intraclasse, ce qui implique de minimiser l'inertie

intraclasse de chaque cluster. Concrètement, cet algorithme produit plusieurs groupes
d'articles, chacun étant proche d'un centroide ck, ce dernier étant le centre
géométrique du cluster.

Les résultats de ce type d 1 algorithme dépendent des paramètres de l'algorithme, soit

la valeur du paramètre k, la fonction de distance d et de l'initialisation de
l'algorithme .. Ces trois paramètres correspondent aux trois premières étapes de
l'algorithme (algorithme 3.1, dans paragraphe 3.6.1). La valeur k, étape 1, détermine
le nombre de clusters à créer et elle doit être choisie avec attention. La fonction de
distance, étape 2, correspond à la distance cosinus (formule (3.7)). L'initialisation,
étape 3, détermine la composition des clusters et elle doit être exécutée de manière à
limiter les biais de la méthode. La fonction de distance est le choix plus simple à faire.
Pour les autres deux, il est important de déterminer un protocole. Le principe général
de ce dernier est d'exécuter plusieurs versions de l'algorithme k-moyennes pour
évaluer leurs partitions.

Pour des questions de lisibilité, nous présentons d'abord la méthode d'initialisation et

ensuite le protocole pour choisir la valeur du paramètre k.

4.4.1 Initialisation de l'algorithme

La phase d'initialisation est exécutée par le biais d'une méthode appelée k-means++
(Arthur et Vassilvitskii, 2007) qui a été développée pour résoudre partiellement les
problèmes d'initialisation spécifiques à l'algorithme k-moyennes. Pour aborder ces
problèmes, imaginons un jeu de données dont les clusters sont très bien identifiables,
comme dans la figure 2.7. Dans un tel cas, il est suffisant d'utiliser une stratégie
d'initialisation qui choisit les centroïdes de manière aléatoire, mais en les situant
distants entre eux. Ainsi, les points cl<., soit les centroïdes, tendent à converger vers
 230

les centres des clusters bien séparables. Dans un contexte où les points se distribuent
de manière plus irrégulière et que des clusters bien séparables ne peuvent être
construits, cette stratégie devient très sensible aux données aberrantes et elle est
moins efficace.

Une autre approche pour l'initialisation est de déterminer une distribution des
probabilités sur les possibles ck initiaux et de sélectionner ceux qui obtiennent la plus
grande valeur. La méthode k-means++ étudie la probabilité que les points de l'espace
soient sélectionnés comme prochain possible ck. L'algorithme commence à créer un
cluster de manière aléatoire et détermine ensuite au fur et à mesure les centroïdes qui
sont les plus probables pour constituer un cluster. Par exemple, si dans un cluster il
existe dix points et qu'un d'entre eux est vraiment loin des autres, alors les neuf
points plus proches ont une plus basse probabilité d'être choisi comme prochains
centroïdes. Sur cette base, la méthode exécute plusieurs tests et établit une liste de
centroïdes les plus probables et détermine la meilleure -initialisation sur la base des
distances entre les points. En général, l'objectif de la méthode est d'éviter de situer
plus d'un centroïde dans un groupe de points très condensé, réduisant ainsi le risque
d'obtenir une partition de mauvaise qualité. L'implémentation algorithmique utilisée
est contenue dans le module scikit-learn (Pedregosa et al., 2011), utilisé par les
concepteurs de la méthode.

4.4.2 Choix du paramètre k

Le paramètre k est choisi en évaluant plusieurs partitions obtenues avec une valeur k
de 2 à max _k, ce dernier correspondant à la troncature à l'unité de ;~, où ne est le

nombre d'articles contenus dans chaque sous-corpus et le nombre entier du

dénominateur est une constante. Cette dernière a été choisie en suivant le principe que,
dans des conditions de distribution parfaitement symétrique des points, un cluster doit
contenir au moins dix éléments. Donc, si on traite le sous-corpus de 1 011 articles du
 231

Le Devoir, max_kcorrespondra à la troncature à l'unité de la fraction

1
~~
1
= 101,1,
c'est-à-dire 101. Pour chacun des sous-corpus de travail, max _ka été ainsi calculé
(tableau 4.16).

Tableau 4.16 Valeur max _k pour chaque source d'information

Source d'information Valeur max k
La Presse 111
Le Devoir 101
Le Journal de Montréal 107
Le Journal de Québec 86
le Soleil 107
Métro ~6
Radio-Canada (site-web) p8

Pour chaque sous-corpus, l'algorithme k-moyennes a été exécuté un nombre de fois

égal à la quantité de nombres entiers contenus dans la séquence qui va de 2 à max _k.
Pour La Presse par exemple, 109 applications de l'algorithme k-moyennes ont été
exécutées et, à chaque application, la valeur du paramètre ka été augmentée d'une
unité (ex. 2 + 1 = 3) et ce, pour la séquence qui va de 2 à 111. La première
application a produit une partition avec deux clusters, la deuxième une partition de 3
clusters et ainsi de suite jusqu'à la dernière application qui a produit une partition de
111 clusters.

Pour chacune des partitions, un indice d'évaluation interne et un indice de

distribution des articles par clusters a été calculé. L'évaluation de la meilleure
partition à retenir a été effectuée en tenant compte de ces deux indices. D'un côté,
l'indice silhouette (Rousseeuw, 1987) a été utilisé pour évaluer les partitions selon
des critères de type statistique. Cet indice est un des plus utilisés parmi ceux qui
basent l'évaluation de la qualité de la partition sur des critères internes. L'indice
silhouette évalue la cohésion interne d'un cluster et sa séparabilité par rapport aux
 232

autres, déterminant ainsi la qualité globale de la partition. Il est obtenu en calculant la

moyenne de la distance entre un observable (article de journal) et tous les autres
appartenant au même cluster et par la suite, la distance entre cet observable et ceux
du cluster le plus proche. La formule de la fonction silhouette est la suivante s =
bt ),
max a,b
où a est la moyenne de la distance entre un observable et tous les autres du

même cluster et b, la moyenne de la distance entre le même observable et tous les

points du cluster le plus proche. En d'autres termes, plus les clusters sont homogènes,
compacts et bien séparables des autres, meilleure est la partition. Toutefois, l'indice
silhouette, ainsi que les autres indices basés sur des critères d'évaluation interne,
souffre du problème du k+ 1, tel que décrit dans le paragraphe (3.6.2) et il n'est pas
possible de seulement s'y fier.

Pour déterminer la valeur k et donc la partition à retenir pour chaque sous-corpus,

nous utilisons une heuristique basée sur le principe de distribution symétrique des
articles dans chaque cluster. Selon ce principe, la meilleure partition est celle qui a un
nombre d'articles similaire pour chacun de ses clusters, c'est-à-dire que les articles se
distribuent de manière symétrique dans les clusters. En réalité, il est impossible
d'obtenir une version parfaite de ce type de partition, car cela suppose que les
éléments soient équidistants, ce qui n'est jamais le cas dans des situations réelles.
Toutefois, le principe permet de mesurer la tendance des distributions et de choisir
comme meilleure partition celle qui tend le plus vers une distribution symétrique des
articles dans les clusters. Cette tendance peut être inférée à partir de l'écart type des
distributions des articles dans les clusters d'une partition. En calculant l'écart type, il
est possible d'obtenir un indice de dispersion qui évalue la différence entre les
clusters en termes de nombre de documents contenus. Moins l'écart type d'une
partition est grand, plus on a de chance d'obtenir une partition où ses clusters tendent
à avoir le même nombre de documents et donc, tendent à avoir une taille similaire.
 233

À la fin du processus (tableau 4.17), nous obtenons une partition de 34 clusters pour
le tabloïd Métro (PubME), une partition de 54 clusters pour le Journal de Montréal
(PubJM), une partition de 55 clusters pour le journal Le Soleil (PubSO), une partition
de 54 clusters pour Le Journal de Québec (PubJQ), une partition de 50 clusters pour
le site web Radio-Canada (PubRC), une partition de 55 clusters pour La Presse
(PubPR) et, enfin, une partition de 55 clusters pour Le Devoir (PubDE).

Tableau 4.17 Valeur k choisie pour chaque sous-corpus.

Clusterine ValeurK
PubJM 54
PubSO 55
PubJQ 54
PubPR 55
PubDE 55
PubRC 50
PubME 34

Les figures qui suivent décrivent les résultats de l'indice silhouette et de l'indice de
dispersion pour chaque source d'information. Pour chaque figure de 4.8 à 4.14, le
graphique à gauche montre la valeur de l'indice silhouette (axe des y) pour chaque
valeur k (axe des x). Les lignes verticales identifient quelques valeurs intéressantes.
La ligne pointillée souligne la tendance de la fonction silhouette, qui a été calculée
par une régression locale. Le graphique à droite montre la valeur de l'écart type (axe
des y) pour chaque valeur k (axe des x). Le choix de la meilleure partition pour la
phase d'annotation a été exécuté à l'aide des deux indices de qualité et en tenant
compte de la nécessité d'obtenir des partitions comparables en termes de taille et de
proportion.

Pour le Journal de Montréal, la partition à 54 clusters a été sélectionnée. Dans ce cas,

l'indice de dispersion montre des valeurs très basses pour les partitions à 53 et à 54
clusters. L'indice silhouette présente une meilleure valeur pour celle à 54. Après
 234

avoir analysé les résultats de ces deux partitions, celle à 54 a été choisie car les
résultats sont plus significatifs 33 •

111<li~ sil_l'lo~tt~_(Jr..t_) Indice dispersion (JM)

<n;;. <n:!l
::,
<l) 0
::,
ig
t:
~8
Cl>o
.... ci
"'"'
0°'
IJJO 57
'-"' . 61 65
jl ::,

"' -
-9!., 69 3
81
~l; :,;;~ 1 77 85 89 93 97 101105
ci
21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96 102
ValeurK -- Va/eurK
Figure 4.8 Indices en soutien du choix du paramètre k pour le Journal de Montréal.

Pour le journal Le Soleil, la partition à 55 clusters a été retenue. Pour ce journal,

l'indice de dispersion montre des valeurs plus basses à partir de la partition à 55
clusters. L'indice silhouette indique des valeurs intéressantes autour de la partition à
51 clusters et autour de celle à 58 clusters. Après avoir étudié les résultats des
partions à 51, à 55 et à 58 clusters, celle à 55 a été sélectionnée.

~ndice sjlhouette (SO) Indice dispersion (S01

a~
<O

(l) 12
:i:,o
<l) ...
::,- èo
0 0 t: M
"'"'
-0
0"'
._ 0 IJJO
t"'
~;
::,O
41 45 49 53
-S!o <l)"'

~â 57 61 65 69 73 77 81 65 89 93 97101105

~~~36~46~56~66nre~86M96m
ValeurK -- ValeurK
Figure 4.9 Indices en soutien du choix du paramètre k pour le journal Le Soleil

Pour le Journal de Québec, la partition à 54 clusters a été choisie. Pour ce journal,

l'indice de dispersion indique la partition à 54 clusters parmi celles ayant une
meilleure distribution des articles. L'indice silhouette présente· des valeurs

33
Dans ce contexte, ce terme n'est doit pas être entendu par son acception statistique, mais par
celle plus commune.
 235

intéressantes autour des partitions à 51 et à 55 clusters. Après l'examen des résultats

de ces trois partitions (51, 54 et 55), celle à 54 clusters a été choisie.

!ndice silhouette (J~ Indice dispersion (JQ)

8.g
N
0
~ci
Cl)
:::,_
0 è~
0~
,e:o
t::

~!
UJ
,._~
j-
~!:?

n u ë n n n
Va/eurK ValeurK
Figure 4.10 Indices en soutien du choix du paramètre k pour le Journal de Québec

Pour le La Presse, la partition à 55 clusters a été sélectionnée. Dans ce cas, l'indice de

dispersion montre une chute de l'écart type pour la partition à 55 clusters, laquelle
constitue une des meilleures partitions du point de vue de la distribution des articles
dans les clusters. L'indice silhouette indique également une valeur haute pour cette
partition, avec une valeur maximale pour la partition à 59 clusters. Après avoir
analysé les résultats des partitions à 55 et à 59 clusters, la première a été retenue.

Indice silhouette (PR) lnd~e c.1i_sper_sio11 (PB)

...
g~ o:âl
(l) 0
:::,N io
t::~
Oë
€0 .., ...
Olo

.... -
Cl'.lo
~o 1 21
:::,~
(l)o :::,
Jl1
"'
~g
0
;!

--~NNNNMMft~ ~v;;;LJ~jt~hhhmmmmm••~-~~
N~-~~hO~~~N~-~;~ono~N~-~~hOM~•N~--i~o 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96 102
ValeurK
109

Figure 4.11 Indices en soutien du choix du paramètre k pour le journal La Presse

Pour le journal Le Devoir, la partition à 55 clusters a été choisie. Pour ce journal,

l'indice de dispersion montre des valeurs plus basses à partir de la partition à 49
clusters. L'indice silhouette présente des valeurs plus grandes pour la partition à 35
cluster et à 55 clusters. Après l'examen des résultats des partitions à 35, 55 56 et 57,
celle à 54 a été choisie car les résultats sont les plus significatifs.
 236

Indice silhouette (DE) Indice djsp~rs~on _{DE)

0
!;f
it::o
<l)~ Q)
:t:,o
Q)

5~ "'..,
~!; itl
5~
Q)
'-o
:::i.,.
0
.',!
~ci
~o
g~~-~~~~~-;-~~~..,......,...,..~~~~~~~~~~
ci M U TI n M
ValeurK ValeurK
Figure 4.12 Indices en soutien du choix du paramètre k pour le journal Le Devoir

Pour le site web Radio-Canada, la partition à 50 clusters a été retenue. Pour cette
source d'information, l'indice de dispersion montre des valeurs qui descendent
progressivement et qui chutent autour de la partition à 46 clusters. L'indice silhouette
indique une valeur montante au tour de la partition à 50 clusters. Après l'examen des
résultats des partitions qui vont de 46 à 50 clusters, celle à 55 a été choisie car les
résultats sont plus significatifs.

Indice silhouette (RC) Indice dispersion (RC)

CO
0

i~
ici <Jl
(l).n
::, C!
oo
"'-.
t:: ...
€;!;
.... ci
Cl)
::,.-, '-
::, -
"'-
(l)C! ,Qo
...
-o
0
:::,;
ci

N w, CD ;! :; :J :g : :g 21 24 27 3Q 33 36 39 42 45 48 51 54 57 60 63 66
Valeur K Valeur K
Figure 4.13 Indices en soutien du choix du paramètre k pour le site web Radio-
Canada

Pour le journal Métro, la partition à 34 clusters a été sélectionnée. L'indice de

dispersion présente des meilleures valeurs à partir de la partition à 30 clusters.
L'indice silhouette présente deux valeurs intéressantes~ une pour la partition à 32 et
l'autre pour celle à 35. Après avoir étudié les résultats pour les partitions qui vont de
30 à 35, celle à 34 a été retenue pour l'analyse.
 237

Indice silhouette (ME) Indice di~ersio11 (ME)

::
il<ll i-
0.,0

:,
t::œ
.2
,._o
~U) UJ.,
:, 0
5
o., ci ....
~g ~"'
ci

NonCOT"
r ;! i D D " D 43 45
ValeurK Va/eurK

Figure 4.14 Indices en soutien du choix du paramètre k pour le journal Métro

4.5 L'annotation

L'analyse de chaque partition obtenue est réalisée à partir d'un protocole

expérimental d'annotation. Cette étape vise à explorer une des différentes manières
d'identifier les schémas récurrents des groupes d'articles (clusters) issus d'un
clustering. Deux étapes sont réalisées, soit la sélection d'un échantillon représentatif
pour chaque groupe et l'annotation de cet échantillon sur la base du schéma actanciel.
La première étape constitue un élément important de la phase d'analyse et s'avère
être aussi un élément crucial pour la justification des méthodes computationelle dans
l'analyse sémiotique. En effet, la valeur ajoutée de l'utilisation de ces méthodes est la
possibilité de construire des échantillons qui représentent des macrostructures du
phénomène à l'étude, ce qui n'est pas réalisable avec des méthodes traditionnelles. La
véritable annotation est donc exécutée sur un petit nombre d'articles et vü;;e à
identifier pour chacun d'entre eux le ou les progr~mmes narratifs en jeu et les actants
qui sont reliés. Pour chaque cluster, le niveau de cohérence entre les articles annotés
sera alors évalué.

4.5.1 Sélection d'un échantillon représentatif

La chaîne de traitement développée permet de sélectionner un échantillon

représentatif d'articles à analyser parmi les 6 276 retenus dans le corpus d'étude. Ceci
est [Link]âce aux caractéristiques spécifiques de l'algorithme de clustering choisi.
 238

Un avantage majeur de l'utilisation du k-moyennes est la possibilité de considérer

chaque centroïde ck qui forme un cluster comme le centre d'un espace géométrique
où un agglomérat d'articles est observé permettant ainsi de trouver un centre
d'agrégation. Ainsi, les articles les plus proches du centre de l'espace seront ceux qui
sont les plus similaires au document prototype du cluster, lequel est représenté par le
vecteur du centroïde ck . Lorsqu'on veut sélectionner un ensemble d'articles
représentatif du cluster, il est possible de cibler l'ensemble des documents les plus
proches du centroïde, ce qui correspond à un ensemble assez représentatif de
l'agglomérat d'articles. Une simple heuristique des n documents les plus proches à ck
est alors utilisée.

Pour sélectionner cet ensemble d'articles, il est requis de calculer la similarité de

chaque article par rapport au centroïde du cluster d'appartenance, ce qui est effectué
par la fonction de similarité cosinus (formule (3. 7)). À la fin du processus, les
groupes d'articles sont triés selon leur proximité avec les centroïdes. Ensuite, on
détermine une heuristique pour sélectionner l'ensemble le plus représentatif de
l'agglomérat d'articles. Ainsi, nous avons choisi de suivre le principe des n
documents les plus proches et de déterminer un seuil pour établir la taille de chaque
échantillon. Le seuil est établi par la formule suivante : troncature à l'unité de Tk =
:k, où nk correspond au nombre ~'articles contenus dans chaque cluster et Tk est la

taille de l'échantillon, ce qui implique que la taille de l'échantillon est fixée à un tiers
des documents de chaque cluster. Pour chaque cluster k, on sélectionne les n articles
les plus proches du centroïde ck, où n est égal à Tk.

Ce processus est appliqué à chaque cluster de chaque partition, ce qui mène à un

nombre assez important de clusters à analyser. En effet, le nombre total de clusters,
toutes partitions confondues, est égal à 357. Afin de réduire ce nombre et de rendre
les analyses plus efficaces, une heuristique est déterminée pour sélectionner la portion
 239

des clusters la plus importante de chaque partition. Pour ce faire, on identifie une
fonction de tri pour les clusters de chaque partition et une autre fonction qui
détermine la taille de clusters à retenir dans la phase d' annotation. Les clusters sont
donc d'abord triés selon le nombre de documents qui y sont contenus, c' est-à-dire que
plus un cluster contient d'articles, plus il a de chance d' être retenu dans la phase
d'annotation finale. La deuxième fonction établit le nombre de clusters à retenir. La
formule est similaire à celle qui détermine l' échantillon de documents pour chaque
cluster: troncature à l' unité de la fraction Tc == ne, où ne est le nombre de clusters
3

dans la partition et Tc est la taille du groupe de clusters retenus. Cette formule

implique donc la sélection d' un tiers des clusters de chaque partition. Enfin, pour
chaque partition P, on retient les clusters les plus volumineux et ceci, pour un nombre
de clusters égal à Tc.

Enfin, 117 clusters et 1 184 articles sont sélectionnés pour la phase d'annotation. Les
détails sont présentés dans la figure 4.15.

700 7666 655

634 615 mNb. total des articles
600 contenus dans les clusters
retenus
500 459
398 Il Nb. des articles retenus
400

300
~ [Link] clusters retenus
200

100

DE JM JQ ME PR RC 50

Figure 4.15 Résumé du nombre de cluster et d' articles retenus pour la phase
d'annotation par source d' information
 240

4.5.2 Annotation des échantillons

L'objectif principal de cette étape est de déterminer un nombre minimal de schémas

actantiels résumant un nombre maximal d'articles du même cluster. Le modèle
d'annotation retenu utilise des outils issus de la sémiotique greimasienne et se base
sur l'hypothèse sémiotique déjà énoncée : le niveau profond du sens dans le discours
journalistique s'organise de manière narrative. Les articles similaires partagent des
structures narratives similaires. Sur cette base; un des modèles les plus simples de la
théorie greimasienne est employé, soit le modèle actantiel. La procédure d'annotation,
bien que baséee sur le schéma actantiel, est complétée par les catégories actantielles
ajoutées par Hébert (2016). D'abord, l'annotation met en relief·le ou les programmes
narratifs de chaque article. Ensuite, les rôles actantiels qui y sont liés sont identifiés.
De manière pratique, chaque article de l'échantillon est lu et annoté sur la base du
modèle actantiel afin de relever les programmes narratifs en jeu et leurs actants et de
souligner les similarités structurelles avec les autres articles. Le modèle de Greimas
est utilisé comme ancrage théorique et méthodologique du protocole d'annotation et il
balise l'interprétation des échantillons des clusters.

Chaque annotation est composée d'une racine sémantique et d'un suffixe syntaxique.
La racine contient un mot ou une séquence de mots séparés par un tiret bas. Le
suffixe contient une ou deux lettres en majuscule, séparées par un tiret bas. Le suffixe
est le code qui identifie le rôle actantiel. Une liste des codes utilisés est présentée
dans le tableau 4.18.

Tableau 4.18 Exemples de codes des annotations, avec leurs racines sémantiques, les
suffixes syntaxiques et les rôles actantiel correspondant
Code Annotation Racine Suffixe Rôle actantiel
élection f!aRner 0 élection gagner 0 Objet de valeur
f!0uvernement S !gouvernement s Sujet
étudiant AS étudiant AS Anti-sujet
néf!ociation AD négociation AD Adjuvant
violence OP violence OP Opposant
 241

!professeurs AD P !professeurs AD p Adjuvant possible

éducation DE éducation DE Destinataire
troubler paix sociale DR troubler paix sociale DR Destinateur
universités sous-financées DR P universités sous-financées DR P Destinateur possible

4.5.3 Résumé résultats annotations

La phase d'annotation a été accomplie au moyen du« package» de R qui s'appelle

RQDA (cfr. 3.7.2). Une base de données relationnelle a été créée pour archiver les
passages de texte annotés et les codes utilisés pour l'annotation. Les tables qui ont été
créées pendant la phase d'annotation et donc la structure de la base de données ne
sont pas présentées. Nous nous limitons à souligner que chaque code possède un
identifiant unique ainsi que chaque annotation, ce qui permet de retracer la totalité du
processus de lecture et d'analyse. En général, il est possible de retrouver les segments
de t~xtes qui ont été annotés, l'article et la source d'information d'appartenance et le
code de l'annotation. Il est ainsi possible de regrouper les annotations par source
d'information ou catégorie de code.

Dans ce paragraphe, nous présentons quelques résumés des annotations par journal.
Dans les tableaux qui suivent, les annotations correspondent aux segments de texte
qui ont été concrètement annotés. Les codes correspondent à l'étiquette qui a été
utilisée pour annoter le segment de texte. Le premier tableau présente les codes les
plus fréquemment utilisés. Ensuite, les codes les plus fréquents par source
d'information sont également illustrés.

Au total, les codes créés pendant la phase d'annotation sont au nombre de 259 et le
total des annotations est de 4 311 pour 1 184 articles annotés. Le tableau 4.19 montre
les codes les plus fréquents du processus complet de lecture. On y remarque que
l'objet de valeur « gagner les élections» a été identifié avec le code
« élection_gagner_O » et qu'il est le plus fréquent, suivi par le sujet
 242

«gouvernement», l'objet de valeur « contre la hausse» et le sujet « associations

étudiantes ».

Tableau 4.19 Les 20 codes les plus fréquents du processus de lecture et d'analyse des
articles
Fréquence Code Fréquence Code
141 élection gagner 0 63 manifestation contrer 0
140 gouvernement S 55 hausse entente 0
133 hausse contre 0 52 négociation AD
115 association étudiant S 52 gouvernement AS
107 étudiant S 51 P Marois S
88 dialogue 0 50 crise sortir 0
86 grève AD 44 CLASSES
81 manifestation 0 44 manifestation AD
71 hausse 0 43 discréditer adversaire politique 0
67 police S 43 manifestant S

La fréquence des codes varie selon la source d'information. Pour le journal Métro
(tableau 4.20), 688 annotations ont été exécutées avec 150 codes différents. Ce
journal présente une plus grande majorité d'annotations que les autres journaux sur le
« gouvernement » dans le rôle de sujet. Les deux autres codes les plus fréquents sont
le sujet « association étudiante» et l'adjuvant «négociation». Pour le Journal de
·Montréal (tableau 4.20), il y a 1 182 34 annotations exécutées avec 169 codes
différents. À la différence des autres journaux, le Journal de Montréal présente quatre
objets de valeur dans les quatre premiers rangs, soit« gagner les élections», « contre
la hausse », « chercher le dialogue » et « éducation ».

34
Avec le journal Métro, le Journal de Montréal a été le premier journal à être annoté. pour cette
raison, ces deux journaux contiennent un plus grand nombre d'annotations par rapport aux autres.
La réduction de l'attention et des performances des annotateurs au fur et à mesure que l'annotation
procède est un phénomène bien connu dans le domaine de l'analyse du discours et de l'analyse du
contenu. Nous ne traiterons pas ce sujet dans ce travail.
 243

Tableau 4.20 Les 20 codes les plus fréquents pour le journal Metro (à gauche) et le
Journal de Montréal (à droite)
Fréquence Code pour Métro Fréquence Code pour Journal de Montréal
41 gouvernement S 48 élection gagner 0
35 association étudiant S 45 hausse contre 0
31 négotiation AD 43 dialogue 0
31 étudiant S 35 éducation 0
29 police S 34 étudiant S
25 hausse contre 0 31 gouvernement S
22 gouvernement AS 31 manifestation 0
22 manifestation contrer 0 28 !grève OP
20 hausse entente 0 28 grève AD
18 manifestation 0 26 hausse 0
14 démocratie DE 24 paix 0
13 élection gagner 0 23 association étudiant S
12 carré rouge AD 21 retour en classe 0
12 CLASSES 20 université S
11 dialogue 0 19 manifestation contrer 0
11 vandalisme DR 19 cours boycottage OP
10 étudiant AS 18 gouvernement AS
91grève 0 18 mobilisation 0
9 discéditer adversaire oolitique 0 18 cégeo S
9 arrestation 0 17 session annulation AD

Le Journal de Québec (tableau 4.21) présente 460 annotations pour 101 codes. Au
premier rang, on trouve l'objet de valeur« gagner les élections», suivi par trois sujets,
dont une politicienne, Mme Pauline Marois. C'est le seul journal qui présente un
acteur politique dans ses premiers rangs, c'est-à-dire un politicien spécifique. Le site
web Radio-Canada (tableau 4.21) présente 378 annotations en 67 codes. L'objet de
valeur « gagner les élections» est le code le plus fréquent, comme dans le cas des
deux journaux du groupe Quebecor. Les sujets « associations étudiantes» et
«étudiants» et l'objet de valeur « contre la hausse » le suivent. À la différence des
autres journaux, le site de Radio-Canada semble accorder plus d'attention aux actions
accomplies par les étudiants, vus comme un acteur politique généralisé, et les
 244

associations étudiantes, considérées comme un acteur politique spécifique et

identifiable.

Tableau 4.21 Les 20 codes les plus fréquents pour le Journal de Québec (à gauche) et
le site-web Radio-Canada (à droite)
Fréquence Code pour Journal de Québec Fréquence Code pour Radio-Canada
26 élection gagner 0 28 élection gagner 0
21 étudiant S 25 association étudiant S
19 P Marois S 23 hausse contre 0
18 !gouvernement S 23 étudiant S
18 grève AD 22 grève AD
16 crise sortir 0 19 manifestation AD
12 hausse contre 0 17 gouvernement S
11 dialogue 0 13 retour en classe 0
10 association étudiant S 13 P Marois S
10 discéditer adversaire politique 0 12 dialogue 0
10 retour en classe 0 10 Police S
9 manifestation 0 10 manifestation contrer 0
8 paix 0 8 discéditer adversaire oolitique 0
8 police S 8 J Charest S
8 étudiant AS 8 arrestation AD
8 outils oppression AD 8 cégeo S
8 PLQ S 7 mobilisation 0
7 loi 78 OP 6 négotiation AD
7 recours tribunal déposer AD 6 gouvernement AS
7 hausse 0 6 crise sortir 0

Pour le Devoir (tableau 4.22), 469 annotations ont été accomplies en 92 codes
différents. Le code le plus fréquent souligne la présence d'un article ou d'un segment
dans l'article qui constitue une opinion et qui n'ont pas pu être annotés de la même
manière que les autres articles ou segments. Nous parlerons de cet élément aux points
5.1.7 et 6.2.7. Le Devoir est également le journal qui possède le plus d'annotations
sur le « débat politique et culturel» comme objet de valeur. La lecture et l'analyse
des articles de La Presse (tableau 4.22) ont généré 529 annotations avec 92 codes.
Ainsi comme pour le journal Le Devoir, La Presse comporte un grand nombre
d'articles ou de segments qui constituent des opinions. C'est le journal qui contient,
 245

par rapport aux autres, le plus grand nombre d'articles ou de segments sur les objets
de valeur « manifestation », « sortir de la crise » et « retour en classe ».

4.22 Les 20 codes les plus fréquents pour Le Devoir (à gauche) et La Presse (à droite)
Fréquence Code pour Le Devoir Fréquence Code pour La Presse
47 opinion difficile à annoter 33 opinion difficile à annoter
20 hausse contre 0 31 crise sortir 0
18 grève AD 29 manifestation 0
18 débat politique culturel 0 29 retour en classe 0
17 éducation DE 28 élection gagner 0
16 crise sortir 0 19 manifestant S
15 loi 78 contre 0 14 outils oppression AD
13 élection gagner 0 14 hausse 0
13 retour en classe 0 14 grève OP
12 association étudiant S 13 hausse entente 0
12 dialogue 0 13 gouvernement S
12 police S 13 J Charest S
12 manifestation contrer 0 12 étudiant S
12 manifestation 0 12 grève AD
11 cégep S 11 Police S
10 gouvernement S 11 manifestation contrer 0
10 société DE 11 casseroles AD
10 CLASSES 10 police AS
10 manifestation AD 10 cégep S
9 étudiant S 9 hausse contre 0

Pour le journal Le Soleil (tableau 4.23), 625 annotations ont été exécutées avec 112
codes différents. Les codes les plus fréquents sont les sujets « gouvernement » et
« association étudiante », qui sont accompagnés par les deux objets de valeur qui
répondent le plus aux attentes de la recherche, c'est-à-dire « pour la. hausse » et
« contre la hausse ».

4.23 Les 20 codes les plus fréquents pour Le Soleil

Fréquence Code pour Le Soleil Fréquence Code pour Le Soleil
40 gouvernement S 15 dialogue 0
31 hausse contre 0 14 J Charest S
 246

30 association étudiant S 13grève 0

28 hausse 0 13loi 78 0
25 élection gagner 0 12négotiation AD
20 manifestation 0 12CLASSES
20 grève AD 12Beauchamp S
17 crise sortir 0 10loi 78 contre 0
16 hausse entente 0 10prets bourse AD
16 manifestant S 9 P Marois AS

Globalement, la donnée qui a attiré le plus notre attention est la fréquence de l'objet
de valeur« gagner les élections». On peut remarquer en effet qu'il constitue un code
très fréquent dans toutes les sources d'information et que pour certaines, il est le plus
fréquent. Enfin, cet objet de valeur est le code le plus fréquent de manière absolue
(tableau 4.19). Avant de commencer la phase de l'annotation, nous n'imaginons pas
rencontrer autant d'articles ou de segments mettant de l'avant cet objet de valeur. En
effet, le programme narratif lié à la course électorale est un des sujets plus répandus
et se mêle de manière directe ou indirecte avec la question étudiante. Nous
analyserons ces résultats dans le prochain chapitre.
 CHAPITRE V

RÉSULTATS

L'analyse des résultats tire profit du travail accompli lors des phases de regroupement
automatique et d'annotation. Dans la première, un algorithme spécifique a permis
d'organiser les articles de chaque source d'information en groupe d'articles similaires.
La phase d'annotation a ensuite permis d'annoter les articles les plus importants
d'une sélection de clusters et ceci, afin d'identifier les macrostructures qui organisent
leur contenu. En raison du nombre de clusters sélectionnés, soit 117, et du nombre
d'articles annotés 1 184, la présentation et l'interprétation des résultats ne peuvent pas
être exhaustives. Afin d'assurer la lisibilité des résultats obtenus, il est indispensable
de disposer d'un cadre synthétique. Comme le précise Rastier lorsqu'il décrit le
processus herméneutique: « toute interprétation suppose une stratégie d'analyse qui
précise les tactiques à employer, et garantit la pertinence des éléments retenus »
(Rastier et al., 1994). Ainsi, nous présenterons les résultats en utilisant une stratégie
de synthèse basée sur l'analyse des réseaux.

Toutefois, cette technique ne sera pas exploitée entièrement car l'analyse des réseaux
est une technique complexe, dont il faudrait détailler le cadre théorique, soit la théorie
des réseaux, et les algorithmes utilisés dans ce cadre (Ahuja et al., 1993). Son
application en analyse de textes constitue un fait acquis depuis plusieurs années
(Franzosi, 2010). Dans ce contexte, nous utiliserons cette technique de manière
 248

intuitive et en exploitant ses propriétés de visualisation. L'outil Gephi35 (Bastian et al.,

2009) sera utilisé à cet effet.

La figure 5.1 illustre tous les clusters et leurs liens. Chaque nœud du graphique
constitue un cluster et chaque lien correspond à la mesure de similarité cosinus entre
la paire de clusters connectée. Les liens les plus forts ont une couleur plus foncée et
les nœuds qui correspondent à des clusters plus volumineux sont, eux aussi, de
couleur plus foncée. La position de chaque nœud dépend de la force de ses liens. Un
tel graphique étant difficile à utiliser à des fins d'analyse et d'interprétation, nous
avons calculé un nouveau graphique (figure 5.2) au moyen de l'al~orithme Force
Atlas 2 et ce, en fixant à 0,77 le seuil permettant de filtrer le poids des liens (Jacomy
et al., 2014)3 6• Il est possible d'y distinguer des agglomérats de clusters èonnectés
entre eux. On y observe aussi que la majorité de ces agglomérats contient des clusters
de grande taille (couleur du nœud plus foncée).

35
Pour plus de détails, voir le site web officiel : [Link]
36
Les paramètres par défaut de l'algorithme ont été utilisés avec l'ajout du mode Linlog qui
permet d'amplifier la distance entre les nœuds qui n'ont aucun lien.
 249

Figure 5 .1 Réseau global de tous les clusters créés dans la phase de regroupement
automatique des documents similaires. Chaque lien entre nœuds correspond à la
valeur cosinus.

La première partie de ce chapitre est dédiée à la présentation des résultats qui se base
sur le dernier graphique. En particulier, nous utiliserons des sous-espaces de ce
graphique pour présenter de grands agglomérats de clusters. Ces derniers seront
analysés et interprétés comme des macro-groupes de clusters identifiant une grande
catégorie de macrostructures. Les macrostructures que ces agglomérats véhiculent
 250

/
sont les plus importantes du corpus. En effet, d'un côté elles sont les macrostructures
qui regroupent le plus de clusters à un seuil cosinus élevée. De l'autre, les clusters
impliqués dans ces agglomérats sont parmi les plus volumineux. En d'autres termes,
ces macro-groupes de cluster regroupent un nombre très grand d'articles traitant les
mêmes macrostructures, ce qui nous mène à considérer ces macrostructures les plus
importantes du corpus. Enfin, ces macrostructures peuvent être considérées comme
constituant les grandes narrations du traitement journalistique du printemps érable.

g 9. g. @E}c-. o
e
ô@
e 0. e-.
0 .
9• e
9. 0,.,,
. •. . \0,
9 o . . ·.. u
ô
~.:i @~ . v
.-· e 0. •..·
9 9c-,@ •·.··•· • g · e.···. L'I,
,;.:;:;, @
E,\;;, e :·e · •• • r!\/J e
Rt

ef\Je@ 9 9 fl"li : e • e• @e8

€? 8 e • ~• . e ee • eeee.
__ ·2. ne.•.·@e
~d ..· .. g..•... \!:.•·. ·.·· ~...·: .,
-. ....• ·. •·. •.···.•.•D·
a ~··. . ·:.·. • • a..•.· ee·.t'"'•>·. o.
·@····0 · e
~ear.•~•.•
e:1•}t.,_ • !e• w • • V ~, U
@
_E)e e ••ff • e e .
e ~eeee. .• . fl$•• e e eg
. e __v e e 0Ei\:ïi.•e. • • .• • • • • e •
e.·l'""""c;;:,
l..'· •1· . iAo0 98@ . eg ~
-- e<'>u
8or.~o8 .:~- .••8
_ ,,,,·•;,,,
t ...
f ../
"."··:r...:,: . 1
•.•-:':,/' • v.9 • ·.·e•· e"'"'
0. e .•.· , .

···--- ·• "
I'"'\

u ""' g .,,,_"°' .,; --··~- a

"': ..,.
0

:; • -:;- • • .,,
@e 9.ô·:··e@@
a. • ·.°8
C,····•.••.•:.·.•·· ·-.;::; -
.•. .. ô.
·'.
·•.•·•·•.·· • f
···.•·:.·•····t
. . .····,,.,. . ·.
,
.•. ··•... ··"* ·.,:. ·· .+·· • • e·C\·e···e
•. •....·· . :. -.. . . ·· .,.•y

n •.
"" %_"" e• • e -.r, .
:_. • .·:. e. .. • -- •
•.: .·e·:~)' •. . .·• • ..·. .•• e 6
.=.···
1\

n.. ·. ·
• • • • €@ 9 9
e • e@EH~
•... • ...,.
-~ .- - - e•ee •- •e.,. • •• •""""'e • e..
Q Q o o.. . • . •.. @.·. @@
·v ~ '-~ C':l0 g • i9~ 9
g ,,-. . . •
c:,., c;:i
u ~e
9e e
•
.·. g eo • 0 . .
@
9 8
Figure 5 .2 Représentation graphique de tous les clusters avec un filtre des liens fixé à
0,77 et l'application de l'algorithme Force Atlas 2

La deuxième partie de ce chapitre est dédiée, au contraire, aux clusters qui se situent
aux marges du graphique et qui sont susceptibles de représenter des caractéristiques
 251

uniques et distinctives de chaque journal. Pour présenter ces résultats de nouveaux

graphiques seront calculés.

Nous utiliserons le lexique sémiotique appartenant au métalangage greimassien, tel

qu'il a été présenté dans les précédentes sections. En général, les actants seront
indiqués en italique, alors que les acteurs ou figures sont présentés en gras. Dans
l'annexe D, le code identifiant de manière unique les articles est présenté. Plusieurs
extraits d'articles seront présentés à l'intérieur de ce chapitre. Le chapitre est ainsi
divisé en deux. La première partie est dédiée à l'analyse et à l'interprétation des
grands agglomérats d'articles alors que la deuxième partie est dédiée aux traits
distinctifs de chacun des journaux retenus dans cette étude.

5.1 Groupes de macrostructures similaires

La phase de regroupement automatique a été exécutée à l'aide du clustering. Les

caractéristiques de l'algorithme utilisé, le k-moyennes, permettent d'identifier un
vecteur prototype pour chaque cluster, soit le centroide. Ainsi, les centroïdes ont été
projetés dans un espace commun et la similarité cosinus a été calculée pour chaque
couple de clusters. Les résultats ont été utilisés pour créer un graphique, où chaque
nœud représente un cl us ter et chaque lien représente la similarité entre deux nœuds.
La force du lien est la valeur cosinus. Ainsi, plus le lien entre deux nœuds est fort,
plus les clusters correspondants sont similaires. Le lien le plus fort correspond à une
valeur cosinus de 0,89, alors que le moins fort a une valeur de 0,004.

Il est donc possible de filtrer les liens selon leur force. Ceci signifie que ce ne sont
pas tous les liens qui sont représentés dans le graphique mais seulement ceux qui ne
dépassent pas un seuil établi à priori. Ceci permet de construire un graphique qui met
en évidence les liens les plus importants tout en le rendant plus lisible et plus
 252

facilement interprétable. Quand le seuil est élevé, les liens qui restent dans le
graphique sont les plus forts, alors que, lorsqu'il est plus bas, les liens restant dans le
graphique sont plus nombreux, affectant ainsi la lisibilité. À un seuil égal à zéro,
chaque nœud est connecté à tous les autres nœuds.

Afin d'identifier des agglomérats de cluster, nous avons analysé des graphiques
construits avec un filtrage des liens à des seuils différents, soit de 0,6 jusqu'à 0,77.
Plus particulièrement,_un certain nombre d'agglomérats de cluster a été identifié dans
une échelle de 0,7 à 0,77. Les agglomérats identifiés sont au nombre de sept et seront
présentés dans les prochains paragraphes. Ils représentent les macrostructures qui ont
dominé le traitement journalistique du printemps érable.

5.1.1 Négociations: théâtre de la polémique

À partir du graphique de centroïdes avec un seuil de 0,77 (figures 5.3 et figure 5.4), le
centre d'agrégation le plus peuplé est situé au milieu· de l'espace. Dans cet
agglomérat, 11 clusters sont liés entre eux avec une similarité cosinus entre 0, 77 et
0,85. Dans ce sous..:réseau, JQ_40, ME_3 et PR_55 possèdent un nombre plus grand
de liens (7 par cluster). Le Soleil est présent avec trois clusters (SO_5, SO_15 et
SO_22), Le Devoir avec deux (DE_24 et DE_37), Radio-Canada avec deux (RC_18
et RC_46) et les autres sources avec un seul (JM_52, JQ_40, ME_3 et PR_55).
 253

,~ e -e-g'""• - ••.. ~ . - @(;,~::1~-

1.i? .·. €) •• @~@g
~@,-, 8 9 • .
e 9 9~~. • • • • 0 0 e ~@@
g @. 9 e g• . • 0 e eg . e e
e 9~g e .e
ee,8 •~••••••••99•€\., 9
. • • • ••• e'"c. . e
@ ~ç;9
.eer0e.@ .••-• · ·. · ·;,....•. ·••.. ••· 8@9
@ @

e O 9e~ ~-••:· tt •• . e 9
• •!) •• • e0 9 e
·> • • • •
· @g E])Q ~ • ••
a 9 \ee e• •. ·., .,e • •• • • 0 @e •
•ee . . . .• •:,·• • • e 99@
@·9
1 . ..9. , ~@ ;i
··•··•··c::,
• .. · . . ee'Ci/1
• . · · •. .. ·till). 8:·.•••·.·.:···• v
~ •• • 9.·. •· ••·o
.- ·'C7
··· 'ei
ç .. ô. .··
9€HJg . 9 • • • • Og
e
> 9 l0lt
.~ 9 e€2t g
O O ~ a, A
•• • · .• • • k .
ô
1
9 9 ~;=' e • -sr 9 ·9 .· .... • • • g
\'!r7

e . ge9• .9· ~ • • • ·~ •••• 9,

Q e• e
" g _a n •
o . e • ••• ffJ
•• •~•••Q •
Figure 5.3 : Détail de la figure 5.2. Encerclé en rouge les 11 clusters sélectionnés

• ·-~
,

;
_/

~ •~4.'tY 7'

~ <)~--

@:-~

Figure 5.4 : Représentation graphique de l'agglomérat des 11 clusters centraux. Les

clusters plus foncés désignent un cluster plus volumineux

Le cœur narratif de cet agglomérat est celui des négociations entre les associations
étudiantes et le gouvernement. Parmi les différents programmes narratifs, le PNl
(tableau 5 .1) s'en dégage très nettement et constitue le pivot central autour duquel les
autres se développent: les associations étudiantes (actant-sujet) veulent obtenir un
dialogue (actant-objet) avec le gouvernement (actant-antisujet). Les trois actants de
 254

l'axe du vouloir sont souvent représentés au niveau discursif par les acteurs
associations étudiantes, dialogue et gouvernement mais d'autres acteurs peuvent
apparaître également, comme étudiants, FEUQ, CLASSE, ministre Beauchamp,
Charest, négociations etc.

Tableau 5.1 : Programme narratif PNl.

')ujet Objet de valeur [Link]
associations étudiantes dialogue gouvernement

Ce programme narratif apparaît majoritairement dans la phase initiale de la grève.

Dans les extraits qui suivent, on remarque également le rôle d'antisujet du
gouvernement qui se montre fermé quant à la possibilité de mettre sur pied une table
des négociations :

La CLASSE, la FEUQ et la FECQ ont réitéré qu'elles étaient ouvertes au

dialogue avec le gouvernement. (K03ME0322Act0137)

Le gouvernement fermé. Alors que quelque 200 000 personnes ont signifié leur
appui envers les étudiants en défilant dans les rues de Montréal, jeudi après-
midi, aucune discussion n'a eu lieu entre les étudiants et le gouvernement, ont
rappelé les associations étudiantes. Devant cette fermeture de Québec, les
étudiants prévoient une escalade des moyens de pression dans les prochains
jours, afin de forcer le gouvernement à entamer des négociations.
(K52JM0324Nou0268)

L'offre de Québec rejetée. La CLASSE, la FEUQ et la FECQ poursuivront la

lutte contre la hausse. Pour la toute première fois, les trois grandes associations
. étudiantes se sont réunies, hier, afin d'annoncer qu'elles rejetaient à l'unanimité
la mesure prise par Québec visant à mettre fin à la grève étudiante et qu'elles
poursuivront leur lutte au cours des prochaines semaines.
(K52JM0407Nou0393)
 255

L'impasse créée par l'opposition du gouvernement est partiellement résolue à la fin

du mois de mars 2012. Le gouvernement se dit« ouvert» à des discussions. Dans ce
contexte, d'autres acteurs apparaissent dans le rôle d'adjuvant-possible et à l'intérieur
d'un nouveau programme narratif (PN2) où le gouvernement est un sujet et
l'entente sur la hausse un objet de valeur.

Tableau 5.2: Programme narratif PN2

Sujet Objet de valeur l4ntisujet Adjuvant- Opposant
oossible
gouvernement entente sur la associations réaménagement gel des droits
hausse étudiantes du régime de de scolarité
prêts et bourses

Le principal acteur qui recouvre la. fonction d'adjuvant-possible est le

réaménagement du régime de prêts et bourses ou gestion des universités. Ce
dernier s'oppose aux acteurs gel des droits de scolarité ou gratuité scolaire, qui
sont des objets recherchés par le sujet associations étudiantes. Les actions
accomplies par les étudiants pour obtenir le gel de frais de scolarité sont en antithèse
avec le programme narratif PN2 et représentent un opposant actif:

Négocier... à une condition. DROITS DE SCOLARITÉ. QUÉBEC- Québec se

dit prêt à discuter de « réaménagements » au régime de prêts et bourses si les
étudiants renoncent à exiger .le gel des droits de scolarité. « De la mauvaise
foi », répondent les associations étudiantes, qui maintiennent leur principale
revendicati_on. La ministre de !'Éducation, Line Beauchamp, se dit ouverte à des
discussions avec les étudiants « pour encore mieux assurer l'accessibilité des
études », mais à une condition : ils doivent cesser de revendiquer le gel des
droits de scolarité ou encore la gratuité scolaire. (K55PR0330Act0334)

Pour la première fois en neuf semaines, la ministre de !'Éducation Line

Beauchamp a accepté une proposition venant des étudiants : discuter de la
gestion des universités. (K03ME0416Act0235)
 256

Légère ouverture. La ministre invite la FEUQ à discuter sur la gestion des

universités. (K40JQ0416Nou0384)

L'adjuvant-possible associé à ce programme narratif comporte d'autres acteurs

proposés par le sujet gouvernement, comme la commission permanente sur la
gestion des universités. Dans les extraits qui suivent, on observe que le
gouvernement propose une entente avec les étudiants basée sur la constitution de
cette commission. Toutefois, la proposition est au service du programme narratif PNl,
c'est-à-dire l'application de la hausse des droits de scolarité :

Elle vise la création d'une commission permanente sur la gestion des universités
à laquelle prendraient part des étudiants, des professeurs et des dirigeants
d'institution. (K03ME0416Act0235) ·

Le point de presse a eu lieu peu de temps avant l'annonce de la ministre de

l'Éducation, Line Beauchamp, qui s'est dite prête à entamer des discussions
avec la FEUQ sur la mise en place d'une « commission indépendante et
permanente». (K52JM0416Nou0470)

Un des éléments les plus présents de cet agglomérat est l'opposant du programme
narratif PNl. Cet opposant est utilisé par l'antisujet gouvernement contre le sujet
associations étudiantes. Le rôle d'opposant est couvert par l'association la CLASSE,
dont les actions et les affirmations publiques sont utilisées par le gouvernement pour
justifier sa position de fermeture envers les requêtes de dialogue provenant des
associations étudiantes. Généralement, les articles sont dominés par l'ouverture de la
table des négociations pour la FEUQ et la FECQ et l'exclusion de la CLASSE.

Une ouverture, des conditions. GRÈVE ÉTUDIANTE. Bras de fer avec les
étudiants sur la présence de la CLASSE aux discussions. Line Beauchamp
voulait . parler de gestion des universités sans la CLASSE.
(K55PR04 l 6Act0468)
 257

Guerre de mots. DROITS DE SCOLARITÉ. Charest condamne la violence, les

étudiants poursuivent la contestation. Jean Charest exige que la Coalition large
de l'Association pour une solidarité syndicale étudiante (CLASSE) condamne
les actes de violence si elle veut participer à la table de discussion avec la
ministre de l'Éducation et les fédérations étudiantes. (K55PR04J 7Act0475)

Pas de dialogue sans la CLASSE. Il n'y aura pas de dialogue entre les
associations étudiantes et la ministre de l'Éducation à moins que la CLASSE y
participe et dénonce les actes de violence commis depuis le début du conflit sur
la hausse des droits de scolarité. (K52JM0418Nou0496)

Dialogue de sourds. PARTICIPATION DE LA CLASSE.« Le problème, c'est

de demander à la CLASSE de dénoncer plus ouvertement les différents actes de
vandalisme ou d'inviter les étudiants à poursuivre dans des actions qui sont
pacifiques», a exposé hier la présidente de la Fédération étudiante universitaire
du Québec (FEUQ), Martine Desjardins. (K40JQ0418Nou0400)

L'ouverture du dialogue se concrétise une fois que la CLASSE a dénoncé les actes de
violence. Toutefois, ceci n'est pas suffisant aux yeux du gouvernement et elle est
exclue à nouveau de la table des négociations.

La CLASSE condamne la violence. (K55PR0423Act0542)

La ministre rencontre deux des trois associations étudiantes dès aujourd'hui. La

CLASSE a fini hier par condamner la violence physique, clé d'une place à la
table des négociations proposée par la ministre de l'Éducation.
(K52JM0423Nou0551)

Retour à la case départ. LA CLASSE EXCLUE DES NÉGOCIATI ONS. Les

négociations entre le gouvernement Charest et les associations étudiantes sont
tombées dans une impasse hier, dès que la ministre de !'Éducation, Line
Beauchamp, eut annoncé qu'elle en excluait la CLASSE.
(K40JQ0426Nou0473)

Grève étudiante : Charest imperturbable. Le premier ministre Jean Charest

défend la décision de sa ministre de l'Éducation, Line Beauchamp, d'expulser la
Coalition large de l'Association pour une solidarité syndicale étudiante
 258

(CLASSE) des négociations visant à mettre fin à la grève étudiante en cours

depuis la mi-février. (K46RC0426no_0292)

L'acteur CLASSE est très présent à l'intérieur de cet agglomérat et le discours qui
met en valeur son rôle d'opposant dans le programme narratif PNl est fortement
répandu. Le journal Le Soleil a un cluster complètement dédié à cette configuration
actantielle (SO_ 5).

Quant à la Coalition large de l'Association pour une solidarité syndicale

étudiante (CLASSE), la ministre a émis des doutes sur son désir de discuter
avec le gouvernement. « À ma connaissance, la CLASSE n'a jamais soumis
aucune base de discussion. Et cette position assez extrême amène même son
porte-parole à être incapable de dénoncer les gestes de vandalisme et de
violence qui sont récemment survenus », a-t-elle noté, faisant
vraisemblablement référence au saccage de son bureau de circonscription à
Montréal-Nord vendredi matin par une quinzaine de manifestants.
(K05SO04 l 6Act0413)

Le gouvernement a refusé, hier, d'inviter la Coalition large de l'Association

pour une solidarité syndicale étudiante (CLASSE) à · la commission
indépendante sur la gestion des universités tant qu'elle ne condamnera pas
explicitement les actes de violence commis pendant le conflit étudiant.
(K05SO0417 Act0422)

Dans ce contexte, un autre aqjuvant important du programme narratif PNl est le ·

front commun des associations, qui a contribué à l'obtention de l'ouverture du
dialogue:

Front commun « historique ». Mobilisation étudiante. MONTRÉAL - Le

mouvement étudiant unit ses forces et rejette en bloc les mesures adoptées par
le gouvernement du Québec. Les deux fédérations - collégiale et universitaire -
et la CLASSE ont déclaré côte à côte qu'elles allaient poursuivre leur combat·
contre la hausse des droits de scolarité. (Kl 5SO0407Act0342)

Grève étudiante : La CLASSE lutte contre son isolement. La Coalition large de

l'Association pour une solidarité syndicale étudiante (CLASSE) demande à la
 259

Fédération étudiante collégiale du Québec (FEUQ) et la Fédération étudiante

collégiale du Québec (FECQ) de respecter le pacte conclu il y a deux semaines
et de ne pas aller négocier avec la ministre de !'Éducation du Québec sans eux.
(K46RC04 l 6no_ 023 5)

GRÈVE ÉTUDIANTE. QUÉBEC - La ministre de l'Éducation, Line

Beauchamp, a mis à l'épreuve l'unité du mouvement étudiant hier. Mais les
fédérations étudiantes collégiale et universitaire, la FECQ et la FEUQ, ont
finalement rejeté son invitation à une rencontre sans la Coalition large de
l'association pour une solidarité syndicale étudiante (CLASSE).
(K55PR0420Act051 l)

Pas de discussion avec la ministre sans la CLASSE. (K03ME0420Act0269)

« On est prêts à aller s'asseoir avec Mme Beauchamp à condition que la

CLASSE soit invitée», a statué la Fédération étudiante universitaire du Québec
(FEUQ). (K52JM0420Nou0511)

Une fois que le dialogue est ouvert et que les deux parties ont entamé une session de
rencontres, d'autres programmes narratifs apparaissent. Des positions différentes
entre les associations apparaissent alors. Mais ce qui occupe la majorité de l'espace
médiatique demeure encore la polémique entre les étudiants et le gouvernement.

Le programme narratif PN2 est configuré de manière différente selon le sujet, c'est-à-
dire les associations étudiantes et le gouvernement, puisque les premières ont pour
but de bloquer la haussé (avec le « gel » ou la « gratuité scolaire ») alors que le
deuxième poursuit un objectif inverse.

Les négociations amorcées. Mobilisation étudiante. Après 11 semaines de

grève, le gouvernement et quatre grandes associations étudiantes ont entamé
hier après-midi des discussions pour s'entendre sur une sortie de crise.
(KI 5SO0424 Act0492)

Québec et les étudiants poursuivent leurs discussions mardi. Les discussions

visant à mettre fin au conflit étudiant en cours depuis maintenant 72 jours se
 260

poursuivent mardi, à Québec, entre la ministre de !'Éducation Line Beauchamp

et les 11 représentants des grandes associations étudiantes.
(K46RC0424no_ 0273)

Les associations étudiantes ont entrepris ces négociations avec des attitudes
différentes. La Fédération étudiante collégiale du Québec (FECQ) et la
Fédération étudiante universitaire du Québec (FEUQ) se sont dites « en mode
ouverture », prêtes à analyser toute position de la ministre qui pourrait leur
paraître raisonnable. [ ... ] Pour leur part, les quatre délégués de la CLASSE
sont arrivés à Québec avec le mandat de « bloquer toute hausse des frais de
scolarité », a confirmé Gabriel Nadeau- Dubois, porte-parole de l'organisme.
[... ] Mme Beauchamp a signifié qu'elle aurait des propositions à faire au sujet
de l'accessibilité aux études postsecondaires et s'est montrée disposée à écouter
les étudiants lui parler des droits de scolarité qu'elle prévoit toujours augmenter
de 75 % au cours des cinq prochaines années. La FECQ et la FEUQ ont
instamment accepté la condition posée par la ministre. La CLASSE s'est
montrée plus « nuancée », laissant savoir qu'elle n'acceptait ni ne rejetait la
trêve proposée par la ministre, précisant qu'aucune action de perturbation n'était
prévue dans les 48 heures suivant l'appel de la ministre (K40JQ0424Nou0459)

La ministre de !'Éducation, Line Beauchamp, se dit ouverte à des discussions

avec les étudiants [ .._.] mais à une condition: ils doivent cesser de revendiquer
le gel des droits de scolarité ou encore la gratuité scolaire.
(K55PR0330Act0334)

La confrontation entre les deux parties demeure toujours très houleuse et comporte
plusieurs accusations brutales, ruptures et réouvertures du dialogue. En général, les
deux parties ne semblent jamais être proches de la signature d'une entente et toutes
les actions les ramènent toujours au point de départ. Ce qui représente le mieux cette
dynamique infructueuse est l'exclusion répétitive de la CLASSE de la table des
négociations, qui constitue toujours un obstacle insurmontable dans la négociation
d'une entente.

Retour à la case départ. LA CLASSE EXCLUE DES NÉGOCIATIONS. Les

négociations entre le gouvernement Charest et les associations étudiantes sont
tombées dans une impasse hier, dès que la ministre de l'Éducation, Line
 261

Beauchamp, eut annoncé qu'elle en excluait la CLASSE.

(K40JQ0426Nou0473)

Line Beauchamp se dit déçue de voir les étudiants « campés » sur le gel des
droits de scolarité. « Ça ne peut pas aider à trouver une entente. »
(K52JM0502Vot0657)

Négociations rompues. QUÉBEC - Les discussions entre le gouvernement

Charest et les associations étudiantes sont dans une impasse depuis que la
ministre de l'Éducation Line Beauchamp a annoncé qu'elle excluait la CLASSE
des négociations. Les fédérations étudiantes collégiale et universitaire du
Québec (FECQ et FEUQ) ont annoncé qu'elles suspendaient les discussions
avec le ministère de l'Éducation immédiatement après que la ministre eut éjecté
l'Association pour une solidarité syndicale étudiante (CLASSE).
(K52JM0426Nou0585)

Québec décline l'invitation de la FÈCQ et de la FEUQ pour la reprise des

négociations. Le gouvernement Charest oppose une fin de non-recevoir à
l'invitation lancée par la Fédération ·étudiante collégiale (FECQ) et la
Fédération étudiante universitaire du Québec (FEUQ) pour reprendre les
négociations vendredi, à 14 h. (K46RC0426no_0290)

Les négos déraillent. Mobilisation étudiante. Les négociations entre le

gouvernement et les étudiants ont déraillé, hier, avant la fin de la trêve de 48
heures qui devait permettre de dénouer la crise qui secoue le Québec depuis 11
semaines autour de la hausse des droits de scolarité. La ministre de l'Éducation,
Line Beauchamp, a annoncé hier en début d'après-midi qu'elle expulsait la
Coalition large de l'Association p~ur une solidarité syndicale étudiante
(CLASSE) de la table des négociations. (K15SO0426Act0506)

La polémique entre les deux parties continue après l'échec de la première ronde de
négociation. À ce point, le PN2 prend le dessus sur le PNl. D'autres adjuvants
apparaissent, comme la proposition du gouvernement d'étaler la hausse. Cet objet
proposé par le gouvernement veut être un objet graduel qui substitue l'objet
catégoriel gel de frais. Généralement un objet graduel s'oppose au catégoriel et, au
contraire de ce dernier, ouvre la porte au compromis. Toutefois, afin qu'il soit perçu
comme tel, les éléments contextuels doivent véhiculer cette même signification.
 262

Québec propose d'étaler la hausse des droits de scolarité. Dans un geste visant à
mettre un terme au conflit étudiant en cours depuis plus de deux mois, le
gouvernement Charest a présenté l'offre globale faite aux associations
étudiantes. Québec propose notamment d'étaler la hausse des droits de scolarité
de 1625 $ sur sept ans plutôt que cinq. (K46RC0427no_0297)

Les axes du PN2 restent en opposition, ce qui mène les associations étudiantes à un
refus de la proposition, laquelle a été présentée comme la solution pour arriver à une
entente:

Vers un refus général de la « solution globale». Mobilisation étudiante. La

« solution globale» du gouvernement de Jean Charest pour mettre un terme au
conflit étudiant se dirige tout droit vers un rejet massif de la part des étudiants.
(Kl 5SO0429Act0539)

L'échec de cette nouvelle tentative de dialogue est suivi par une contre-offre de la
part des associations étudiantes qui visent une entente sans céder de terrain sur le
gel des droits de scolarité :

Un gel « à coût nul». Contre-offre de la FEUQ et de la FECQ. Québec - Les

fédérations étudiantes présenteront aujourd'hui une contre-offre qui prévoit un
gel des droits de scolarité « à coût nul pour les contribuables ».
(K55PR0501Act0638)

La FEUQ et la FECQ ripostent. « Offre globale» du gouvernement Charest.

Les fédérations étudiantes universitaires et collégiales du Québec vont riposter
aujourd'hui à l'« offre globale» du gouvernement Charest en dévoilant une
contre-proposition sans compromis sur le gel des droits de scolarité, mais qui
encourage un recours à la médiation. (K15SO0501Act0564)

Les stratégies des diverses associations étudiantes demeurent toutefois différentes et

variées:

Contre-offre sans compromis. Mobilisation étudiante. La Coalition large de

l'Association pour une solidarité syndicale étudiante (CLASSE) présentera à
 263

son tour aujourd'hui sa «contre-proposition» qui vise un retour aux droits

imposés en 2007, alors que le gouvernement du Québec estime qu'il est illusoire
de revenir à la table des négociations et s'en remet aux électeurs pour trancher
de la question des droits de scolarité. (K15SO0503Act0596)

« Nous sommes ouverts à un retour à une table de négociations, mais à la

condition qu'on aborde enfin la question des droits de scolarité, fait valoir
Gabriel Nadeau - Dubois, porte-parole de la Coalition large de l'Association
pour une solidarité syndicale étudiante (CLASSE). On nous a parlé de bourses,
de prêts, de gestion, il est temps qu'on s'occupe du noeud du problème. »
(K03ME0514Act0373)

Un élément nouveau surgit au mois de mai : la démission de la ministre de

l'Éducation, madame Lyne Beauchamp, et l'arrivée de madame Michèle
Courchesne comme nouvelle ministre. Cet événement se retrouve à l'intérieur de cet
agglomérat, puisque Courchesne intervient principalement pour garantir de nouvelles
possibilités de négociation avec les étudiants.

Cette arrivée se configure principalement comme un adjuvant au programme narratif

PN2 et constitue un changement de stratégie du gouvernement. À la nouvelle ministre,
le gouvernement confère aussi de pouvoirs spéciaux :

Déclaration du premier ministre. Fonctions additionnelles de madame Michelle

Courchesne à titre de vice-première ministre et ministre de !'Éducation, du
Loisir et du Sport. (K37DE0515Pol0699)

Les clusters qui se concentrent davantage sur le changement de ministre de

!'Éducation sont les suivants: SO_22 DE_37 et RC18. Voici quelques extraits qui
résument ce changement de garde :

Un départ surprise. Démission de Line Beauchamp. Si la FEUQ et la FECQ

croient que le départ de Line Beauchamp peut favoriser une sortie de crise, la
CLASSE rappelle que le problème n'est pas la titulaire au poste de ministre de
 264

l'Éducation, mais plutôt le refus du gouvernement de discuter des droits de

scolarité. (K22SO0515Act0758)

Les canaux de communication sont ouverts, disent les leaders étudiants. Au

sortir de leur rencontre avec la nouvelle ministre de l'Éducation, Michelle
Courchesne, mardi, les leaders étudiants des quatre principales associations
étudiantes ont tous indiqué que les « canaux de communication » avec le
gouvernement restaient ouverts. (Kl 8RC0515no_ 0415)

Nouvelles négos, moins de v_oix. CONFLIT ÉTUDIANT. Le gouvernement et

les étudiants ont convenu hier de reprendre les négociations. Mais la Fédération
étudiante universitaire du Québec (FEUQ) demande cette fois que les recteurs,
la fédération des cégeps et les syndicats n'en fassent pas partie.
(K22SO0524Act0897)

Conflit étudiant - Courchesne se dit prête à reprendre les pourparlers. Les

associations étudiantes affirment toujours attendre une proposition de rencontre.
(K37DE0524Pol0801)

Avec l'arrivée de madame Courchesne, les négociations reprennent. Le changement

de stratégie du gouvernement est aussi marqué par la position ambiguë du premier
ministre Charest, qui vacille entre un adjuvant et un opposant. En effet, son absence
de la table de concertation est considérée comme positive pour l'obtention d'une
entente alors que sa présence serait négative :

Reprise des négos aujourd'hui, sans Charest. CONFLIT ÉTUDIANT. Les

quatre associations étudiantes sont conviées à une rencontre au sommet
aujourd'hui à 14h avec la ministre de l'Éducation Michelle Courchesne et le
négociateur gouvernemental Pierre Pilote. (K22SO0528Act0967)

Jean Charest a participé aux négociations avec les étudiants. Le premier

ministre du Québec, Jean Charest, s'est joint aux discussions visant à mettre fin
au conflit étudiant qui ont réuni lundi sa ministre de l'Éducation, Michelle
Courchesne, et les représentants des grandes associations étudiantes.
(Kl 8RC0529no_ 0526)
 265

Après une période d'optimisme, les discussions entre les deux parties s'arrêtent à
nouveau:

Les leaders étudiants ont fait preuve d'un optimisme prudent à la sortie de leur
courte rencontre avec la nouvelle ministre de l'Éducation, Michelle Courchesne,
hier soir à Québec. (K03ME0516Act0389)

Conflit étudiant. Les négociations ont tourné au vinaigre, hier, entre Québec et
les leaders étudiants, avant de se conclure sur une nouvelle offre à l'issue
incertaine que doit étudier la ministre de l'Éducation, Michelle Courchesne.
(K22SO0531 Actl 009)

Le gouvernement déplore un « important fossé »; les étudiants dénoncent sa

« mauvaise foi». Les négociations sont rompues. (K18RC0531no_0542)

Avec la ministre Courchesne, les négociations deviennent un véritable adjuvant pour

la poursuite d'un nouvel objet, soit la sortie de crise et ceci, en raison du fait que la
confrontation entre les étudiants et le gouvernement prend les contours d'une
véritable crise sociale :

Ce que les parties souhaitent, c'est une sortie de crise, a assuré la ministre. C'est
sûr que si on prend le temps de préparation requis [pour choisir le moment de la
rencontre], c'est parce que, de part et d'autre, on est très conscients du sérieux
de la situation et qu'on veut mettre toutes les chances de notre côté pour arriver
à une entente; (K03ME0525Act0446)

La négociation pour sortir de la crise. La mm1stre Courchesne et les

associations se rencontrent aujourd'hui à Québec. (K37DE0528Act0834)

Québec prêt à reculer. Conflit étudiant. Après 16 semaines de refus catégorique,

le gouvernement Charest accepte de revoir à la baisse son augmentation des
droits de scolarité. (K22SO0530Act0989)
 266

5 .1.2 Charest versus Marois : corps à corps

Un autre centre d'agrégation important du réseau (figure 5.5 et 5.6) regroupe sept
clusters qui sont connectés avec une valeur cosinus supérieure à 0,77. Parmi ces
clusters, deux appartiennent au journal Le Soleil (SO_50 et SO _53). Tous les autres
clusters appartiennent à des journaux différents (JM_52, JQ_50, RC_9, PR_2 et
DE_12). Le journal Metro est exclu de cet agglomérat, puisqu'aucun de ses clusters
n'est présent. Les clusters centraux sont RC_9 et JM_53 car ils comportent un plus
grand nombre de liens. La connexion la plus forte est entre le Journal de Montréal et
Le Journal de Québec.

e ~;, f) ~ 0 -._..
, _ic '.~•- ge ·•
€,,
, . _ gf)
9, ~
Q •· ,,_--,,,
_ ,-• • e
a ..... • • g ç;;
e e g • · ..
;,€\,ge · • . ·..· ·. •••
g
·"~@9 '.', g
eee9. •1
-~•, • • 9 0 €
.
-e •
@~••
€, • •

?• • e+,•>•@
'I • • •

e .• ;,
e9 !'. . ,;, o
8g9 • . • -~• • tr • • • 9 • 1
~Q~e •.-~v
~e . e •a '~ E;, •
--&···
•
0 @ @ • é:iha l!Z

,9(~:;.')Qé~ 9
Figure 5.5 Détail de la figure 5.2. Au centre, l'agglomérat traitant la confrontation
entre M. Charest et [Link] Marois.
 267

Figure 5.6 Représentation graphique de l'agglomérat traitant la confrontation entre M.

Charest et [Link] Marois. Les clusters plus foncés désignent un cluster plus
volumineux

Le cœur narratif de cet agglomérat est la confrontation entre le chef du gouvernement,

le premier ministre, et le chef de l'opposition. Le programme ·narratif principal (PN3)
est ainsi dominé par l' opposition entre Pauline Marois (chef du PQ et de
l' opposition) et Jean Charest (chef du PLQ et du gouvernement). L' objet de valeur
varie selon les différents articles et les différentes périodes. Généralement, il est
possible de les résumer en deux grandes catégories : discréditer l'adversaire et
gagner les élections. ·ces deux objets de valeur sont poursuivis indistinctement par
les deux acteurs.

Tableau 5.3 Programme narratif PN3

Sujet Objet de valeur Antisujet
P. Marois/J. Charest Discréditer J. Charest/P. Marois
l'adversaire/Gagner
les élections

Cet agglomérat révèle l' ampleur que la crise étudiante a prise au cours des semaines.
Elle a occupé massivement l' espace médiatique mais aussi le débat politique. Le ton
 268

des répliques échangées entre le chef du gouvernement et la chef de l'opposition est

certainement un indicateur de l'importance politique de la grève étudiante :

Charest et Marois s'échangent des questions sans réponses. Le dialogue de

sourds n'est pas qu'une affaire entre le gouvernement et les leaders étudiants.
S'y prêtent aussi avec un bel acharnement le chef libéral Jean Charest et son
adversaire péquiste Pauline Marois. (K50SO0505Act0624)

En effet, le printemps érable deviendra, plus tard, un des principaux enjeux électoraux,
comme il est possible de le déduire des extraits suivants :

En entrevue au Soleil, elle a expliqué comment elle comptait s'y prendre,

notamment en leur rappelant tout ce que sa formation politique a fait pour le
patrimoine et l'économie de la région et, surtout, que le carré rouge n'est pas
l'unique enjeu de la campagne électorale. (K52SO0802Actl380)

La question des droits de scolarité « sera un enjeu majeur de la prochaine

campagne, mais pas suffisant pour faire oublier le bilan libéral ».
(K02PR0616Pol 1295)

Le plus souvent, le ton des échanges entre les deux politiciens est agressif et insultant.
Les communications sont souvent centrées sur la confrontation entre les deux
principaux acteurs, lesquels poursuivent souvent le même objectif. Dans les extraits
qui suivent, on souligne l'objet discréditer l'adversaire politique. Ce dernier, à
différence des objets comme gagner les élections ou gel des frais de scolarité,
lesquels sont des objets but, est un objet moyen et il couvre le rôle d'adjuvant pour
des programmes narratif centré sur un objet but. C'est le type de relation qu'il a entre
l'objet but gagner les élections et l'objet moyen discréditer l'adversaire politique:

« Pauline Marois a plié l'échine », dit Charest. M. Charest n'a pas manqué
d'attaquer la chef du Parti québécois Pauline Marois sur le conflit étudiant.
(K09RC0615no_ 0659)
 269

Bilan de fin de session : Pauline Marois attaque Jean Charest dans le dossier
étudiant. La session parlementaire qui s'achève est « l'une des pires que nous
avons connues », a déclaré dans son bilan la chef du Parti québécois (PQ) et de
l'opposition officielle, Pauline Marois. Mme Marois a appelé les Québécois -
divisés par le conflit étudiant, selon elle - à changer « de gouvernement et de
direction» (K09RC0615no_0663)

Marois dénonce le« Gouvernement usé et corrompu». (K02PR0802Act1521)

Charest passe à l'attaque. (K02PR0821Act1627)

Débat des chefs : deux heures solides d'échanges musclés. Le débat électoral
qui s'est déroulé dimanche soir a prouvé qu'une joute à quatre peut s'avérer
musclée, claire, et riche en échanges. (K09RC0819no_ 0866)

Un tête-à-tête virulent. ÉLECTIONS PROVINCIALES 2012. L'animosité entre

Jean Charest et Pauline Marois crevait l'écran, hier, lors de leur affrontement
télévisé en face à face .. (K52SO0821Act148)

Le thème des élections et de la campagne électorale est présent dans les articles de
journaux à partir du début du mois de mai. À ce point, l'objet gagner les élections
commence à dominer dans PN3 :

Élections cet été? « Un manque de respect », dit Marois. Déclencher la

campagne électorale au début du mois d'août serait « un manque de respect
profond » envers la population et une « manipulation » de la part du premier
ministre Jean Charest, estime la chef du Parti québécois, Pauline Marois. [ ... ]
En vertu de la loi 78, les étudiants doivent retourner en classe à la mi-août. Si le
scénario du déclenchement des élections le 1er août se concrétise, la reprise des
cours aura lieu en pleine campagne. Mme Marois ne voit là pas une
coïncidence. Selon elle, le premier ministre pourrait vouloir instrumentaliser
une nouvelle fois les manifestations étudiantes et se poser comme le
représentant de la loi et de l'ordre, « comme on l'a vu dans son PowerPoint ».
(K09RC0711 no_0731)

Marois réclame des élections. Charest se moque de l'intérêt général selon la

chef péquiste. Le refus du gouvernement Charest de négocier de bonne foi avec
 270

les étudiants, c'est la goutte qui fait déborder le vase aux yeux de Pauline
Marois. La chef du Parti québécois réclame des · élections.
· (K53JM0427Nou0594)

Dans ces derniers extraits, la crise étudiante tient un rôle ambigu, laissant entrevoir la
possibilité qu'elle soit la cause du déclenchement des élections. En effet, la crise
étudiante est un adjuvant ou un opposant des programmes narratifs des deux chefs
politiques. Quelques fois, Charest utilise la grève étudiante comme adjuvant pour
discréditer Marois; parfois c'est la chef péquiste qui adopte cette stratégie:

Le premier ministre Jean Charest brandit la menace du chaos, sur fond de

référendum sur la souveraineté, si le Parti québécois (PQ) prend le pouvoir aux
prochaines élections. [ ... ] Sur la vision politique du PQ, il l'a décrite comme
étant « fondée sur le chaos et sur ce qui s'est passé [avec le mouv~ment
étudiant] : le manque de respect pour les individus». Pour appuyer ses dires, il
a cité l'exemple de la candidature pour le PQ du leader étudiant Léo Bureau-
Blouin, qui incarne selon ses dires le non-respect d'un droit fondamental : le
libre accès des étudiants à leur salle de classe. (K52SO0726Actl340)

Pauline Marois a prononcé un discours enflammé à haute saveur électorale dans

lequel elle a pourfendu le bilan du gouvernement Charest, marqué à son avis
par « la corruption, l'endettement, l'injustice et maintenant le conflit social ».
(K53JM0506Nou0708)

Même s'il laisse entendre qu'il n'y aura pas d'élections avant la Fête nationale,
Jean Charest a sévèrement attaqué Pauline Marois, soutenant qu'elle s'est
disqualifiée de la fonction de premier ministre durant la crise étudiante. « Elle a
fait la démonstration qu'elle n'a pas ce qu'il faut pour être premier ministre en
agissant comme elle a agi », a-t-il déclaré. (K53JM0507Nou0728)

« Pauline Marois rembourserait les étudiants. En plus de promettre d'annuler la

hausse des droits de scolarité décrétée par le gouvernement Charest, Pauline
Marois s'engage à rembourser les étudiants si le PQ devait prendre le pouvoir à
la prochaine élection. » (K53JM0503Nou0672)

Ils reprochent aussi au gouvernement de vouloir profiter du conflit étudiant

dans le but de réaliser des gains électoraux. « Jamais il n'a été question de
 271

chercher à exploiter une affaire comme ça, a nuancé le premier m1mstre

Charest. (... ) Mme Marois, c'est la rue», a-t-il ajouté. (K53JM0614Noul218)

« Il veut qu'on oublie son bilan; eh bien, moi, je vais en parler de son bilan »,
assure la chef du PQ. La prochaine campagne électorale ne portera pas que sur
le « carré rouge » et sur la loi et l'ordre. Il sera aussi question d'éthique, de
confiance et de corruption. (K53JM0616Noul227)

Contre Marois. La semaine dernière, la fuite d'un document du Parti libéral a

permis de démontrer que M. Charest entend, lors de la prochaine campagne,
opposer son équipe et son Plan Nord à une Pauline Marois avec son référendum
et la rue. (K53JM0618Noul243)

Au fur et à mesure que les semaines avancent, et surtout après le déclenchement des
élections, les caractéristiques des « discours de campagne électorale » occupent la
majorité des articles de journaux. La question étudiante devient alors marginale mais
elle est toujours citée comme un des enjeux les plus importants de la campagne
électorale. Dans ce contexte, d'autres types d'enjeux apparaissent, comme ceux
énumérés par Marois dans les articles suivants :

L'insistance de Jean Charest à pointer du doigt le bout de tissu rouge que

Pauline Marois porte à son corsage ne vise qu'un seul objectif: « Il veut qu'on
oublie son bilan; eh bien, moi, je vais en parler de son bilan », assure la chef du
PQ. La prochaine campagne électorale ne portera pas que sur le« carré rouge »
et sur la loi et l'ordre. Il sera aussi question d'éthique, de confiance et de
corruption. À ce sujet, les travaux de la commission Charbonneau débutent à
peine et déjà le gouvernement se trouve dans l'embarras avec l'ex-ministère des
Transports, Sam Hamad, dans un très mauvais rôle. (K53JM0616Noul227)

Respect. « Nous devons décider dans quel type de société nous voulons vivre.
Je vous propose une société qui avance dans le respect de chaque citoyen, dans
le respect de nos institutions et le respect de la démocratie. Pauline Marois a fait
le choix d'embrasser le mouvement de contestation, de· porter ses symboles et
même de recruter ses candidats. Pauline Marois propose de plier, de céder et de
leur donner tout ce qu'ils demandent», a-t-il enchaîné. La presque totalité des
attaques de Jean Charest ciblait son adversaire péquiste. (K53JM0802Noul426)
 272

« Les stratégies des trois principaux chefs de parti sont déjà très claires. Jean
Charest a donné un caractère carrément référendaire à l'élection du 4 septembre
: pour ou contre la hausse des frais de scolarité; pour ou contre la préservation
de la paix sociale?. Il a accolé hier Pauline Marois à la rue, aux manifestations,
aux perturbations diverses, au point de porter elle-même le carré rouge et
d'avoir même recruté comme candidat du Parti québécois l'un des leaders de
cette crise. Le premier ministre place les Québécois devant un choix " entre la
stabilité ou l'instabilité". » (K53JM0802Nou1428)

« Pauline Marois et Jean Charest ont déployé hier tout leur arsenal d'arguments
et de blâmes dans le premier de trois face-à-face électoraux à être diffusés sur le
réseau TVA. Soixante minutes d'échanges musclés où les deux chefs ont
défendu leur peau sans pour autant verser dans l'insulte gratuite. »
(K53JM0821 Noul 530)

Avant cette «dérive» électoraliste, d'autres acteurs dominent le discours. Par

exemple, la violence, est un concept qui est souvent utilisé par le premier ministre
pour attaquer les étudiants et les manifestants· et pour discréditer la grève. Il est
également utilisé pour discréditer Pauline Marois. En effet, cet élément est un
adjuvant en support de PN3 :

Violence. Aux yeux du gouvernement, la CLASSE ne peut plus prendre part

aux négociations, puisqu'elle « encourage la violence » et a contribué aux
débordements des récentes manifestations qui ont eu lieu dans les rues de
Montréal. [... J Jean Charest s'en est pris à sa vis-à-vis péquiste. « Pauline
Marois ne croit pas ce qu'elle dit sur les frais de scolarité », a pesté le premier
-ministre. Cette idée que le gouvernement se sert de ce conflit à des fins
électoralistes est « grotesque », a d'ailleurs signalé M. Charest. »
(K50JQ0427Nou0486)

La violence se présente sous une forme particulière dans un cas de stigmatisation

d'une non-action qui aurait dû être accomplie par Pauline Marois. En d'autres termes,
la passivité de la chef péquiste est utilisée par Charest pour l'attaquer. Le premier
ministre l'accuse ainsi de ne pas agir pour contrer les actes de violence. La rhétorique
utilisée par Charest contre Marois évoque la relation de complémentarité entre non-
 273

opposant et adjuvant. Si face à la violence la chef péquiste est supposée tenir le rôle
d'opposant, son immobilisme ne peut que l'étiqueter comme non-opposant, ce qui
implique logiquement le rôle d'adjuvant passif. Cette dynamique est assez répandue
dans cet agglomérat de clusters:

« Une "faute impardonnable". Charest condamne" le silence" de Marois sur les

dérapages du conflit étudiant Jean-Luc Lavallée. » (K53JM0414Nou0454)

« Charest accuse Marois de mollesse. Le premier ministre Jean Charest accuse

Pauline Marois de faire preuve de mollesse au moment où les négociations
entre les associations étudiantes et la ministre Line Beauchamp butent sur un
débat sémantique. « La chef de l'opposition a-t-elle du Jell-O dans la colonne
vertébrale », a demandé le premier ministre pendant la période de questions,
hier, à l'Assemblée nationale. M. Charest reprochait à Pauline Marois de
dénoncer mollement certains gestes commis en marge du conflit étudiant. »
(K50JQ0419Nou0407)

Ils accusent la chef du Parti québécois, Pauline Marois, de ne pas condamner

les actions de "perturbation économique". (K02PR0323Act0275)

Après un discours aux accents nettement préélectoraux, il s'en est pris rudement
à son adversaire Pauline Marois. Selon M. Charest, "par sa valse-hésitation"
dans le conflit étudiant, Mme Marois "a fait la démonstration qu'elle n'a pas ce
qu'il faut pour être premier ministre". (K02PR0507Pol0737)

Sans surprise, il a répété que Pauline Marois veut organiser un nouveau

référendum et qu'elle a refusé de condamner la "violence et l'intimidation",
deux mots omniprésents depuis quelques semaines dans son discours.
(K02PR0616Pol1304)

La chef péquiste devient un véritable adjuvant actif au support de la cause étudiante

lors qu'elle commence à porter le carré rouge, qui lui aussi est un adjuvant:

Selon lui [Charest], la chef péquiste s'est comportée de façon « indéfendable »

en portant le carré rouge pendant la crise. « Dire que c'est dans la rue que ça se
 274

règle, et encourager les étudiants à boycotter leurs cours, ce n'est pas

responsable de la part d'un parlementaire », a-t-il ajouté. (K50JQ0507Nou0605)

Pauline Marois a fait le choix d'embrasser le mouvement de contestation, de

porter ses symboles et même de recruter ses candidats. Pauline Marois propose
de plier, de céder et de leur donner tout ce qu'ils demandent ", a-t-il enchaîné.
La presque totalité des attaques de Jean Charest ciblait son adversaire péquiste
(K53JM0802Nou1426)

Par ailleurs, Marois adopte d'autres stratégies pour discréditer le gouvernement et

elle utilise largement la crise étudiante comme adjuvant :

Marois veut renverser le gouvernement Charest. QUÉBEC - QUÉBEC -- Alors

que les rumeurs d'élections battent leur plein, le PQ est prêt à enfiler les gants.
Pauline Marois a déposé une motion de censure, hier, pour défaire le
gouvernement Charest, lui reprochant sa gestion " catastrophique " de la crise
étudiante. (K53JM0502Nou0654)

Le premier ministre Jean Charest refuse de s'excuser pour les propos

sarcastiques prononcés vendredi dernier à l'endroit des étudiants alors qu'une
manifestation tournait à l'affrontement avec les forces policières dans les rues
de Montréal. « Est-ce que le premier ministre est prêt à s'excuser pour les
propos qu'il a tenus vendredi dernier lors du Salon sur le Plan Nord », a
demandé, hier, la chef de l'opposition, Pauline Marois, à l'ouverture de la
période de questions à l'Assemblée nationale. (K50JQ0425Nou0468)

Monopolisée par la crise étudiante et la division qu'elle a suscitée, la session

parlementaire qui se termine aura été « l'une des pires que le Québec ait
connues », a lancé hier en point de presse Pauline Marois, chef de l'opposition
officielle. Selon elle, Jean Charest se doit de déclencher des élections le plus
rapidement possible. [... ] « Il ne reste plus qu'une solution pour mettre fin à
cette crise qui a déjà trop divisé les Québécois : seules des élections générales
permettront de retrouver la paix sociale, et le plus vite sera le mieux », a
soutenu Mme Marois. (K02PR0616Pol1295)

Charest se moque de l'intérêt général selon la chef péquiste. Le refus du

gouvernement Charest de négocier de bonne foi avec les étudiants, c'est la
 275

goutte qui fait déborder le vase aux yeux de Pauline Marois.

(K50JQ0427Nou0486)

Selon Marois, Charest « diabolise les étudiants ». La chef du Parti québécois,

Pauline Marois, n'y est pas allée de main morte, hier, en attaquant de front
l'attitude «lamentable» du gouvernement libéral de Jean Charest.
(K53JM0415Nou0469)

« Le conflit étudiant est un élément parmi d'autres, évidemment, il a pris

beaucoup de place parce que M. Charest l'a laissé traîner », reconnaît d'emblée
la chef péquiste. (K52SO0802Actl380)

Bilan de fin de session : Pauline Marois attaque Jean Charest dans le dossier
étudiant. La session parlementaire qui s'achève est « l'une des pires que nous
avons connues », a déclaré dans son bilan la chef du Parti québécois (PQ) et de
l'opposition officielle, Pauline Marois. (K09RC0615no_ 0663)

Dans cet agglomérat, le cluster du journal Le Devoir semble se distinguer en termes

de langage utilisé, même s'il rapporte souvent les mêmes nouvelles au même moment
que les autres journaux. Ce constat n'a pas pu, par contre, être exploré davantage dans
le cadre de cette thèse.

Crise sociale - Charest n'admet aucun tort. Le premier ministre affirme avoir
fait tous les efforts nécessaires pour régler le conflit. Le premier ministre Jean
Charest ne se reconnaît aucun tort dans la crise sociale dans laquelle le conflit
étudiant a plongé le Québec pendant 12 semaines. (K12DE0507Pol0624)

« Rien ne fonctionne plus, car la confiance de la population envers le premier

ministre est rompue. Le premier ministre et le Parti libéral s'accrochent au
pouvoir. Ce faisant, le premier ministre entraîne le Québec dans sa chute. Nous
sommes dans un cul-de-sac.». C'est en ces termes que la chef du Parti
québécois, Pauline Marois, a amorcé hier le débat de cinq heures à l'Assemblée
nationale sur la motion de censure contre le gouvernement.
(K12DE0504Pol0593)
 276

Il faut ajouter que, si le seuil pour filtrer les liens est réduit d'à peine 0,03,
l'agglomérat s'élargit énormément, atteignant 23 clusters très fortement connectés.
Ceci indique que ce nœud narratif est prépondérant dans le corpus et que d'autres
études plus ponctuelles et détaillées pourraient suivre cette première exploration.

5.1.3 Loi spéciale n. 12: L'objet magique

Un autre groupe de clusters a été identifié avec un seuil de la valeur cosinus fixé à
0,74. Cet agglomérat contient sept clusters connectés entre eux, chacun appartenant à
un journal différent. Les journaux les plus connectés sont Le Journal de Montréal
(JM_29) avec Le Journal de Québec (JQ_33)(figure 5.7) et ils restent relativement
écartés du reste des clusters. Au contraire, le journal Le Soleil (SO_39) a plusieurs
connexions importantes avec plusieurs journaux comme Le Devoir (DE_2), La
Presse (PR_32) et Métro (ME_12). Le site web Radio-Canada (RC_7) est connecté
surtout avec La Presse et Le Soleil. Le cluster Le Devoir est celui dont la taille est la
plus importante. De plus, à cause de leur taille réduite, les deux clusters du groupe
Québecor (JM_29 et JQ_33), ne font pas partie du tiers de clusters retenus dans la
phase d'annotation. Ce qui souligne encore plus la distance entre ces deux journaux et
les autres par rapport à la relation avec la macrostructure qui est traitée dans cet
agglomérat.
 277

Figure 5.7 Représentation graphique de l'agglomérat traitant le projet de loi 12. Les
clusters plus foncés désignent un cluster plus volumineux ·

Tableau 5.4 Taille des clusters de l'agglomérat sur la loi 12

Cluster Taille
DE 2 59
so 39 41
PR 32 30
RC 7 23
ME 12 22
JM 29 19
JQ 33 17

Tableau 5.5 Programme narratif PN4

Sujet Objet de valeur !Adjuvant
Gouvernement [Hausse des droits de Loi spéciale
scolarité

Dans cet agglomérat, on remarque surtout la mise en discours d'une dynamique

narrative entre trois éléments. L'un d'eux est un « objet magique », c'est-à-dire le
projet de loi spécial n. 78, devenu la loi n. 12 ou tout simplement, la loi spéciale. Les
autres sont le sujet (gouvernement) et l' objet de valeur (hausse des droits de
scolarité) du programme narratif PN4 qui constituent la macrostructure de cet
 278

agglomérat. Comme l'on peut observer dans les extraits d'article, le discours sur la loi
spéciale met souvent de l'avant les « pouvoirs spéciaux » que cet élément détient
dans son rôle d'adjuvant à PN4 :

Conflit étudiant - La carotte et la matraque. Dans un conflit entre l'État et ses

employés, l'adoption d'une loi spéciale répressive sonne la fin de la récréation.
Le gouvernement s'en sert comme d'une carte ultime qui met fin aux
négociations et ordonne un retour au travail. (K02DE0526Pol0822)

LA LOI SPÉCIALE DÉPOSÉE. La loi d'exception permettra à Québec de

contrôler étroitement toutes les manifestations. (K32PR0518Act0914)

Un consensus vieux de 50 ans vole en éclats. Mobilisation étudiante. En

imposant une loi spéciale pour mettre fin au conflit, le gouvernement va à
l'encontre d'un consensus social vieux de 50 ans au Québec selon lequel les
étudiants ont le droit de faire la grève. (K39SO0517 Act0783)

Loi 78 - Abus de pouvoir. Le gouvernement Charest a choisi de dénouer la

grève étudiante sur les droits de scolarité par la manière forte, suite logique de
sa gestion d'une crise qu'il n'a jamais comprise ni maîtrisée.
(K02DE0519Pol0754)

L' antisujet de ce programme narratif est couvert par les étudiants, les manifestants
ou les associations étudiantes, qui sont en effet les trois principaux acteurs opposés
au gouvernement. Ces acteurs sont soutenus par des politiciens comme [Link] Marois
ou M. Khadir et leurs partis politiques.

Déclaration de guerre aux étudiants. Des amendes pouvant aller jusqu'à 125
000 $ par jour pour les associations étudiantes. Le projet de loi 78 visant à
mettre fin au conflit étudiant a soulevé l'ire des associations et de l'opposition,
hier. (K02DE0518Pol0734)

Hier, les trois principales associations défendant les 150 000 jeunes en grève
ont dénoncé la loi spéciale qui suspend jusqu'à l'automne les cours sur les
campus frappés par le boycottage. (K39SO0517 Act0784)
 279

Une « déclaration de guerre » disent les étudiants. Mobilisation étudiante. La

loi spéciale de Jean Charest est une« déclaration de guerre » aux étudiants. Elle
sera contestée parce qu'elle est « déraisonnable » et qu'elle vise à « tuer les
associations étudiantes». (K39SO0518Act0791)

L'élément loi spéciale couvre également un autre rôle actantiel, soit l'objet de valeur,
ce qui donne lieu à un nouveau programme narratif PNS.

Tableau 5.6 Programme narratif PN5

Sujet Objet de valeur Adjuvant
Étudiants/Aassociations Contre loi spéciale Recours
étudiantes j uridiq ues/Déso béissance
civile

Ce programme est essentiellement composé comme sujet par les étudiants ou les
associations étudiantes qui cherchent à « faire suspendre » ou « faire retirer » la loi
spéciale, en adoptant plusieurs stratégies et adjuvants, dont la majorité dans le cadre
de recours juridiques:

Loi spéciale - Une vague d'indignation. Du Barreau à Amnistie internationale

en passant par un regroupement d'historiens, le projet de loi spéciale (qui a été
adopté hier) a été accueilli hier par un déluge de protestations.
(K02DE0519Pol0748)

Les juristes prennent la rue pour dénoncer la loi spéciale. C'était hier soir au
tour des avocats et des notaires d'ajouter leur voix au concert de protestations
contre la loi spéciale limitant la liberté de manifester adoptée il y a plus d'une
semaine par l'Assemblée nationale du Québec. (K02DE0529Soc0854)

Parmi les différentes configurations prises par le programme narratif PNS il en existe
une qui se démarque de façon plus nette. Le sujet de cette configuration est une
association étudiante particulière, la CLASSE, qui adopte une stratégie spécifique
pour contrer la loi spéciale, basée sur l'adjuvant désobéissance civile :
 280

Désobéissance civile: La CLASSE pourrait désobéir. CONFLIT ÉTUDIANT.

L'aile la plus militante du mouvement étudiant, la CLASSE, n'exclut pas la
désobéissance civile et songe à défier la loi spéciale du gouvernement libéral
visant à mettre un terme au conflit sur la hausse des droits de scolarité.
(K39SO0519Act0808)

Désobéissance, jure la CLASSE. CONFLIT ÉTUDIANT. Montréal - La

CLASSE ne veut pas attendre qu'un tribunal tranche sur la constitutionnalité de
la loi spéciale du gouvernement Charest : l'association étudiante jure de la
défier. (K39SO0522Act0857)

Cette stratégie se répand rapidement au sein de toute la communauté manifestante,

laquelle a commencé à grandir après l'approbation de la loi spéciale. En effet, la loi
spéciale a constitué un élément qui a transformé la grève étudiante en une véritable
crise sociale, les manifestants n'étant plus limités à la communauté étudiante. De
plus en plus, les manifestants se sont multipliés, incluant des citoyens voulant
manifester contre un gouvernement qui « accomplissait un abus de pouvoir »
(K02DE0519Pol0754):

Exaspérés devant un conflit qui s'éternise, les citoyens se sont rangés derrière le
gouvernement et non pas derrière sa loi spéciale, croient les porte-parole des
fédérations étudiantes. Un sondage CROP-Le Soleil - La Presse publié hier
matin indiquait entre autres que 66 % des répondants sont pour la loi spéciale
annoncée par le gouvernement Charest. (K39SO0520Act0852)

Conflit étudiant - La rue a répondu. Des dizaines de milliers de personnes ont

bravé hier la loi 78, retournant au gouvernement par la force -du nombre
l'absurde de son code répressif. (K02DE0523Pol0786)

Loi 78 : la rue choisit la désobéissance pacifique. Au centième jour d'un conflit

qui s'enlise, la rue a répondu à la loi spéciale adoptée la semaine dernière par
l'Assemblée nationale par un immense pied de nez : la quasi-totalité des
manifestants - 250 000 selon les organisateurs - ont bifurqué du trajet soumis
aux forces de l'ordre, bafouant ainsi des dispositions de la loi 78 sous l'oeil
généralement tolérant des policiers. (K02DE0523Soc0778)
 281

Les présidents de la CSN, de la FTQ et de la CSQ ont également déploré le

dépôt d'une loi spéciale, hier soir. (K12ME0517 Act0398)

Les associations étudiantes ont testé, par de nombreuses voies juridiques, d'obtenir
la suspension de la loi spéciale :

Loi spéciale - Rendez-vous devant les tribunaux. Les étudiants s'adresseront à

la cour pour faire invalider la loi spéciale. Les organisations étudiantes
promettent de contester devant les tribunaux la loi spéciale adoptée hier par
l'Assemblée nationale dans le but d'apaiser la crise. (K02DE0519Soc0747)

Front commun pour contester la loi 78. CONFLIT ÉTUDIANT. Un front

commun d'associations étudiantes, syndicales, communautaires et
environnementales a déposé hier matin deux requêtes au palais de justice de
Montréal pour faire annuler la loi spéciale du gouvernement Charest.
(K39SO0526Act0919)

Loi 78 : la requête en sursis rejetée. Montréal - La requête en sursis visant à

suspendre l'application de certaines dispositions de la loi spéciale au coeur de
l'impasse dans le conflit étudiant a été rejetée. Le juge François Rolland de la
Cour supérieure, qui a étudié la demande, a conclu qu'un débat de fond à propos
de la loi 12 - issue du projet de loi spéciale 78 - était nécessaire avant de
pouvoir la suspendre. La requête en sursis, présentée par les associations
étudiantes, visait à suspendre l'application de certaines dispositions de la loi.
(K3 9SO0628Act 123 7)

Loi 78 : "inapplicable en droit". La Commission des droits de la personne dit

que la loi porte atteinte aux libertés fondamentales. 3. La loi 78 porte atteinte à
des libertés fondamentales garanties par la Charte des droits et libertés de la
personne, a tranché hier la Commission des droits de la personne et des droits
de la jeunesse. (K39SO0720Act1320)

La controverse sur la loi spéciale a déclenché un débat mettant de l'avant un autre

rôle actantiel significatif, soit le destinataire. En effet, les interventions des acteurs
publiques tendent de plus en plus à mettre en évidence les conséquences et les
implications qu'une loi de ce type comporte, soulignant surtout ses impacts face aux
 282

droits fondamentaux de la personne. Dans ce cadre, les actions accomplies par le

gouvernement dans l'application de PN4 sont jugées par le destinataire qui est
représenté par les droits fondamentaux de la personne :

La loi spéciale inquiète le Barreau. CONFLIT ÉTUDIANT. Bien que le

Barreau du Québec poursuive « les mêmes objectifs que le gouvernement et
souhaite une sortie de crise», le bâtonnier Louis Masson a émis de « sérieuses
inquiétudes » à l'égard de la loi 78. « Le Barreau du Québec est notamment
préoccupé par les limitations apportées au droit d'association et au droit de
manifestation. De plus, nous critiquons la judiciarisation des débats et le
recours à la justice pénale prévus dans le projet de loi », exposait Me Masson
dans un communiqué du Barreau publié hier avant l'adoption de la loi.
(K39SO05 l 9Act0814)

La fin des assos étudiantes ? L'application de la loi brisera de facto le droit

d'association, disent .les juristes. De sévères limitations à la liberté d'association,
doublées d'une grande restriction des moyens d'action des associations
étudiantes, un rapport de force anéanti : la loi spéciale concoctée par le
gouvernement Charest pourrait bien signifier la fin du mouvement étudiant tel
que le Québec le connaît depuis plusieurs décennies, craignent les juristes et le
Barreau du Québec. (K02DE0519Po10750)

La toute récente loi 78 est sans doute rune des lois spéciales québécoises les
plus (sinon la plus) lourdement attçntatoires aux droits fondamentaux protégés
par les chartes canadienne et québécoise. Que l'on analyse le texte sous l'angle
de la liberté d'association et du droit d'agir collectivement, de la liberté de
conscience, de la liberté d'expression ou du droit de manifester pacifiquement,
presque tous les articles de cette nouvelle loi soulèvent, à leur face même, de
sérieux doutes quant à leur compatibilité avec les chartes applicables au
Québec. (K39SO0523Opi0870)

Dans ce contexte, le gouvernement a essayé de se défendre, mettant également de

l'avant le destinataire de son programme narratif, principalement manifesté sous
forme de droit à l'éducation :

« Ce n'est pas une loi matraque ». Le ministre Fournier prétend qu'il s'agit
plutôt de mettre en avant le droit à l'éducation. La très controversée loi 78,
 283

adoptée sous bâillon en fin d'après-midi hier après une nuit et une journée de
débat, n'est pas la « loi matraque dont certains parlent », a insisté le ministre de
la Justice, Jean-Marc Fournier, puisqu'il met en avant un droit, celui de l'accès à
l'éducation. » (K02DE05 l 9Pol0763)

5 .1.4 Manifestations : Police versus Étudiants

Un autre agglomérat de clusters regroupe six clusters connectés à un seuil supérieur à

0,74. À un seuil de 0,70, l'agglomérat en regroupe 13. Les plus connectés (figure 5.8)
sont ceux du Le Journal de Montréal (JM_ 8), La Presse (PR_7) et Le Journal de
Québec (JQ_36), auxquels se connectent le quotidien Le Devoir (DE_27) et le site
web de Radio-Canada (RC _ 40).

tp e,
\

e
Figure 5.8 Représentation graphique de l'agglomérat traitant les manifestations et les
affrontements entre police et manifestant. Les clusters plus foncés d~signent un
cluster plus volumineux

Tableau 5.7 Programme narratif PN6

ujef Objet de valeur !;1 ntisujet
anifestant Contrer [Link]
hausse

Il s' agit ici d'un groupe de clusters dont les articles présentent les événements liés
aux manifestations. Plus spécifiquement, cet agglomérat met de l' avant les
 284

affrontements entre la police et les manifestants, ce qui constitue la modalité

principale du traitement journalistique des manifestations. En d'autres termes, nous
avons de bons indices pour croire que, lors d'une manifestation, les journaux
soulignent surtout les dynamiques d'affrontement. Certainement, les affrontements
pendant les manifestations constituent la« valeur de l'information» (newsworthiness)
principale. Généralement, entre deux événements, l'un polémique et l'autre irénique
(contraire de polémique), les médias tendent à couvrir davantage le premier. Ceci
dopent des questions purement stratégiques qui dépendent d'un phénomène bien
connu, c'est-à-dire l'importance que les« S » (sang, sport, sexe, scandale,$) ont dans
les intérêts des lecteurs des journaux. En effet, chaque cluster est peuplé surtout
d'articles qui mettent en évidence les cas d'intervention policière durant les
manifestations. Le programme narratif principal PN6 est donc composé par le sujet
manifestant et l' antisujet police, ou vice_ versa.

Plus d'une centaine de manifestants se sont rassemblés devant le quartier

général du Service de police de la Ville de Montréal (SPVM), hier soir,
quelques heures après avoir manifesté dans les rues de la métropole pour
protester contre la hausse des droits de scolarité. (K08JM0308Nou0119)

C'est l'affrontement. GRÈVE ÉTUDIANTE. De 500 à 600 étudiants et élèves

en grève ont bloqué hier après-midi l'entrée de l'immeuble de Loto-Québec, au
centre-ville de Montréal, pour protester contre la hausse des droits de scolarité,
avant d'être évincés par la police de Montréal qui a dû user de la force pour les
disperser. Cinq manifestants ont été arrêtés et quatre personnes, dont un
policier, ont été transportées à l'hôpital. (K07PR0308Act0131)

LE CENTRE-VILLE PARALYSÉ. 1 800 manifestants crient leur indignation

dans le Quartier international. Environ 1 800 personnes opposées à la hausse
des droits de scolarité se sont réunies hier après-midi au centre-ville de
Montréal pour participer à une marche qui s'est déroulée sous haute tension.
(K08JM0314Nou0177)

La marche contre la brutalité policière a donné lieu à des scènes violentes et

désolantes. Vitrines saccagées, voitures de police renversées, magasins pillés :
 285

des milliers de manifestants ont pris d'assaut le centre-ville de Montréal hier.

[ ... ] Les policiers ont répliqué en faisant exploser des grenades assourdissantes.
« C'est complètement débile. Les policiers foncent sur tout le monde comme
des sauvages. C'est quoi leur problème? », s'indigne une manifestante, en
larmes. (K08JM0316Nou0189)

Pour les manifestants, les manifestations sont un adjuvant pour atteindre l'objectif de
leur programme narratif principal PN6, c'est-à-dire lutter pour faire annuler la hausse
des droits de scolarité. Ceci est vrai surtout lors des manifestations étudiantes ayant
caractérisé la première moitié de la période couverte dans cette étude.

Une autre marche « jusqu'à la victoire ». GRÈVE ÉTUDIANTE. Des milliers

d'étudiants en grève ont de nouveau manifesté dans les rues de Montréal, hier.
« Une manifestation nocturne jusqu'à la victoire ». Voilà le leitmotiv des
étudiants contre la hausse des droits de scolarité depuis quelques jours.
(K07PR0430Act0629)

Les manifestations ont pris différentes formes, allant des défilés pacifiques aux
contestations plus directes au regard des politiciens et ce, jusqu'aux actes de
violences et vandalisme. Cette diversité est due au fait que les manifestants et les
groupes organisés sont différents entre eux et ils ne partagent pas toujours la même
vision ou le même objet but:

La « Grande Mascarade ». Plusieurs centaines d'étudiants costumés et masqués

ont envahi le Quartier des spectacles au centre-ville de Montréal hier après-
midi, au terme d'une marche haute en couleur pour protester contre la hausse
des frais de scolarité. (K08JM0330Nou03 l 7)

Visite-surprise chez Jean Charest. CRISE ÉTUDIANTE DU JAMAIS VU. Jean

Charest a eu une visite-surprise, hier soir. ~es manifestants qui participaient au
neuvième rassemblement nocturne de suite ont marché jusqu'à sa résidence
située à Westmount. (K07PR0503Act0679)

La série de manifestations se poursuit. GRÈVE ÉTUDIANTE. Deux

rassemblements distincts ont eu lieu dans les rues de Montréal, hier soir. En
 286

plus de la 15e marche nocturne qui s'est amorcée à la place Émilie-Gamelin, un

autre groupe de protestataires « moins pacifiques » s'est réuni à la station de
métro Acadi~, dans le quartier Parc-Extension. (K07PR0509Act0764)

Plus tôt, environ 1 500 personnes s'étaient réunies à la place Émilie-Gamelin,

comme le veut la tradition des manifestations nocturnes des dernières semaines.
Les gens se sont mis en marche vers 21 h, avec un groupe de « mères en
colère » à la tête. (K08JM0518Nou0893)

Plusieurs vitrines ont été fracassées, dont celles de la Banque CIBC, au 1010
rue Sherbrooke Ouest, des banques Nationale et TD Canada Trust au coin des
rues Stanley et du poste de quartier 21. (K08JM0426Nou0579)

LA MANIF DE LA COLÈRE. CRISE ÉTUDIANTE RIEN NE V A PLUS.

Aussitôt les négociations rompues entre la ministre Line Beauchamp et les
représentants des étudiants, ceux-ci sont redescendus dans la rue pour
manifester. [... ] les protestataires ont exprimé leur frustration en brisant des
vitres de commerces, en lançant des balles de peinture sur des édifices et en
vandalisant quelques voitures. La majorité des manifestants semblaient
pacifiques, mais certains cachaient leur visage d'un masque, et quelques
membres du Black Bloc étaient sur place. Les policiers, très nombreux, étaient
visibles et ont prévenu les manifestants que si certains causaient des méfaits, le
rassemblement serait déclaré illégal. (K07PR0426Act0577)

Ça dégénère au centre-ville. CRISE ÉTUDIANTE. Vitrines fracassées et

interventions au gaz poivre ponctuent la manifestation nocturne. L'annonce du
dépôt par le gouvernement Charest d'une loi d'exception suspendant le trimestre
des étudiants et des élèves en grève, certains depuis février, a donné lieu à une
manifestation nocturne qui a semé le désordre dans son sillage, hier soir et cette
nuit, à· Montréal. Des vitrines ont été fracassées dans le centre-ville, les
policiers ont essuyé des projectiles lancés par des manifestants et ils ont utilisé
le gaz poivre pour disperser la foule. (K07PR0517 Act0898)

Pour la plupart, les interventions des policiers sont justifiées par la mission ultime
d'un corps policier soit la défense de la loi et le maintien de l'ordre. Leur but est
d'éviter le plus possible le désordre, les actes de violence et de vandalisme, ainsi que
de punir ceux ne respectent pas la loi.
 287

Étudiants et policiers entre les matraques et les roses. Policiers et étudiants

doivent-ils collaborer pour empêcher les actes violents lors des manifestations?
Pour éviter les débordements, le SPVM redouble d'efforts pour inciter les
étudiants à dénoncer les casseurs sur les réseaux sociaux.
(K27DE0430Soc054 7)

Une CLAC hargneuse, des étudiants festifs. Journée de manifs. Plus d'une
centaine d'arrestations, des policiers blessés, des vitres fracassées, des voitures
aspergées de peinture : la manifestation anticapitaliste organisée dans le cadre
de la fête des Travailleurs a tournée au vinaigre en fin d'après-midi, hier, au
centre-ville de Montréal. (K07PR0502Act0655)

Toutefois, un débat s'est ouvert sur l'usage massif et inapproprié de la force policière.
Dans plusieurs articles, on illustre les dynamiques de telles interventions. Le doute
sur la légitimité de ces interventions se manifeste surtout lors de l'analyse des
adjuvants en soutien aux forces policières, comme les arrestations et l'utilisation de
différents outils de répression souvent surutilisés :

Manifestations en marge du débat sur la loi spéciale. Couverture en direct - Des

manifestations sont en cours à Montréal, à Québec et à Sherbrooke, alors qu'à
l'Assemblée nationale les élus débattent du projet de loi spéciale déposé par le
gouvernement de Jean Charest. (K40RC0517no_ 0441)

Manifestation monstre contre la brutalité policière - Pagaille au centre-ville. Le

jeu du chat et de la souris entre policiers et manifestants se termine par environ
125 arrestations, mais peu de vandalisme. (K27DE0316Act0190)

Grève étudiante. Exaspérée par les manifestations improvisées, la police de

Québec a arrêté 14 étudiants, hier, à qui elle a remis des contraventions salées.
Et elle compte sévir de nouveau s'il y a récidive. [ ... ] À l'intérieur du véhicule,
les poignets des manifestants ont été enserrés de menottes de plastique. Pour
avoir entravé la circulation ou occupé la chaussée, les étudiants ont reçu des
constats d'infraction qui leur coûteront au minimum 444 $, incluant les frais, en
vertu du Code de la sécurité routière (K03SO0329Act0264)

Après qu'une manifestation regroupant un peu plus d'une centaine d'étudiants se

fut soldée par ·l'arrestation de 81 d'entre eux en après-midi, une autre en
 288

regroupant près de 400 s'est déroulée dans le calme sous escorte policière en
soirée. (K03SO0428Act0535)

C'était 100 % injustifié!". Mobilisation étudiante. Des manifestants contestent

une opération policière et songent au recours collectif. Le vendredi 27 avril, la
police de Québec mettait fin abruptement à une manifestation étudiante sur
Grande Allée, à deux pas de l'Assemblée nationale. Bilan : 81 constats
d'infraction, un sommet dans la capitale depuis le début du conflit étudiant.
(K03 SO0506Act0634)

La police a procédé à une série d'arrestations vers 23h, sans préciser le nombre
étant donné que l'opération de dispersion battait son plein. Des participants
avaient pourtant tenté à plusieurs reprises d'opposer leur pacifisme à la casse et
au zèle de certains individus. (K08JM0426Nou0579)

Plus d'un millier de personnes se sont rassemblées place Émilie-Gamelin et ont

marché pacifiquement dans les rues du centre-ville, hier soir. La marche s'est
mise en branle vers 20 h 50 sous la pluie. Dix minutes plus tard, déjà les
policiers annonçaient que le rassemblement était illégal. « Des projectiles ont
été lancés en direction de policiers à vélo au tout début de la marche », a
expliqué Daniel Fortier, porte-parole du Service de police de la Ville de
Montréal (SPVM). (K07PR0427Act0586)

Échaudés par les débordements de la veille, au cours desquels des vitrines de

commerces ont volé en éclats et 122 personnes ont été arrêtées, les policiers du
Service de police de la Ville de Montréal (SPVM) se sont faits très visibles dès
le début du rassemblement, vers 21 h, à la place Émilie-Gamelin.
(K07PR0518Act0904)

Arrestations massives à Québec la FECQ lance un appel à la raison.

(K40RC0528no_0520)

Le gouvernement est ainsi accusé d'utiliser la police comme adjuvant pour atteindre
son objectif principal, c'est-à-dire la hausse des droits de scolarité. Au-delà des
responsabilités politiques, plus difficiles à prouver, des responsabilités au niveau du
corps policier ont été soulignées. En particulier, des actes de brutalité policière ont été
documentés par la Commission spéciale d'examen des événements du printemps 2012,
 289

qui a publié un rapport en mars 2014 en faveur du gouvernement du Québec. Dans ce

document, on souligne en·particulier la nécessité à se doter d'un système plus adapté
pour traiter les cas de violence policière :

Même s'il n'entrait pas directement dans le mandat de la Commission

d'examiner les décisions concernant les dénonciations d'abus de pouvoir et
autrès comportements dérogatoires de policiers qui ont fait l'objet de plaintes
déposées devant les instances déontologiques ou judiciaires, le nombre de
doléances entendues nous a poussés à nous pencher sur ce sujet. Au terme de
notre réflexion, nous en sommes venus à la conclusion que le système, dans sa
forme actuelle, n'est pas approprié pour traiter adéquatement des cas de
violences policières commises lors de manifestations. (CSEP2012, 2014, p.
317)

Dès l'entrée en vigueur de la loi spéciale, les manifestations se multiplient. Elles

deviennent ainsi des adjuvants pour les manifestants qui protestent contre la loi
spéciale. Dans cet agglomérat de clusters, les affrontements avec les policiers sont
toujours en évidence et ceci, de la même manière que pour les manifestations de la
première moitié de la période couverte. Le seul élément qui s'ajoute est l'utilisation
des casseroîes par les manifestants. Dans l'agglomérat analysé précédemment (5.1.3)
les articles ne traitent pas des manifestations contre la loi spéciale, mais du débat
autour de la loi. Dans cet agglomérat, au contraire, la loi spéciale est le motif
principal des manifestations.

Dans la rue malgré la loi spéciale. Conflit étudiant. Les manifestations se sont
poursuivies dans le calme hier soir, malgré l'imposition de la loi 78 qui restreint
le droit de manifester. (K03SO0522Act0864)

Une marée humaine contre la loi spéciale. Crise étudiante. Des dizaines de
milliers de personnes ont envahi les rues du centre-ville, hier, pour manifester
contre la hausse des droits de scolarité et contre la loi spéciale, en ce 100e jour
de grève étudiante. [ ... ] La CLASSE, instigatrice du rassemblement, estime que
250 000 personnes ont participé à la marche. Des sources policières ont plutôt
avancé le chiffre de 100 000 manifestants. (K07PR0523Act0970)
 290

Marche pacifique et tintamarre. CRISE ÉTUDIANTE. Les policiers

encerclaient environ 250 manifestants à l'angle des rues St-Denis et Sherbrooke,
vers minuit hier soir, après avoir reçu des pierres lancées par les marcheurs. La
marche nocturne d'hier, la 30e depuis le début de la crise étudiante, avait débuté
dans le calme, à la place Émilie-Gamelin. (K07PR0524Actl003)

Comme depuis plus d'une semaine, la manifestation contre la hausse des droits
de scolarité et contre la loi 78 a été déclarée illégale avant son départ, car aucun
itinéraire n'a été fourni aux policiers. (K08JM0527Noul013)

De la maNUfestation à l'arrestation. Les altercations ont été musclées en fin de

soirée. Les manifestants « tout nus» ont rejoint l'habituelle marche nocturne
hier dans les rues de Montréal. L'ambiance, au départ festive, est devenue
électrique. La police comptait plus d'une trentaine d'arrestations en fin de
soirée. (K08JM0608Votl 143)

Les casseroles déferlent. Le tintamarre se répand aux quatre coins de Montréal

et du Québec. Au lendemain d'arrestations massives à Montréal et à Québec,
des milliers de mécontents ont une nouvelle fois bravé l'interdit en prenant la
rue - serrant fermement casseroles et cuillers de bois - sans avoir fait connaître
leur itinéraire aux forces de l'ordre à l'avance. [ ... ] Plus de 518 personnes ont
été interpellées ce soir-là, à Montréal, contre 176 à Québec.
(K27DE0525Soc0803)

Une partie importante de cet agglomérat traite des manifestations plus pacifiques.
Toutefois, la macrostructure de l'affrontement, c'est-à-dire la confrontation entre
manifestants et policiers, demeure aussi latente dans ce cas :

Après les heurts, le calme. MANIFESTATIONS ÉTUDIANTES. Quelques

centaines de grévistes ont défilé pacifiquement au centre-ville hier. Au
lendemain d'une journée extrêmement tendue, étudiants et policiers se sont
retrouvés dans un calme relatif, hier, au centre-ville de Montréal.
(K07PR0309Act0144)

Une marche pacifique malgré la tension. CRISE ÉTUDIANTE L'IMPASSE

PERSISTE. Pour la quatrième journée consécutive, policiers et manifestants se
sont retrouvés dans les rues de Montréal pour une marche nocturne, qualifiée
 291

d'illégale par les autorités moins de deux heures après son départ.
(K07PR0428Act0609)

Le calme après la tempête. 28e manifestation nocturne à Montréal. La

quatrième manifestation depuis l'adoption de la loi spéciale s'est déroulée
pacifiquement, contrairement aux trois rassemblements précédents qui avaient
été marqués par de la violence et de nombreuses arrestations.
(K07PR0522Act0954)

Les manifestants, surtout des étudiants, mais aussi des enseignants et des
travailleurs de tous âges ont d'abord monté la rue Peel, puis se sont dirigés vers
la rue Sherbrooke. Plusieurs personnalités. Plusieurs personnalités publiques,
dont la chef du Parti québécois, Pauline Marois, et le député indépendant. Pierre
Curzi, se sont jointes à la foule. La marche s'est déroulée pacifiquement malgré
la présence de quelques manifestants cagoulés du Black Bloc.
(K08JM0323Nou0252) .

Manifestation pacifique et tolérée. CONFLIT ÉTUDIANT. Montréal - Même si

elle a rapidement été déclarée illégale peu après s'être mise en branle, la 28e
manifestation étudiante nocturne d'affilée s'est déroulée dans une ambiance bon
enfant dans les rues de Montréal, hier soir. (K03SO0522Act0855)

Plusieurs autres acteurs apparaissent en s'agençant à la macrostructure principale.

L'un d'entre eux est un adjuvant du gouvernement, le maire de Montréal monsieur
Gérald Tremblay, qui multiplie ·1es efforts pour contrer les manifestants. En
particulier, il approuve un règlement municipal réglementant davantage les
manifestations. Ce dernier devient également un outil utilisé par la police pour
contrecarrer les manifestations :

Manifestations - Tremblay songe à interdire les masques. « Une personne qui

veut manifester et qui a des revendications légitimes n'a pas à se cacher ».
(K27DE0317 Act0204)

Vers l'interdiction du masque. Un pas de plus a été franchi pour interdire le port
du masque dans les manifestations à Montréal. (K27DE0504Soc0591)
 292

5.1.5 Élections: l'objet de valeur

Un autre agglomérat qui se démarque à un seuil de 0,77 est composé de cinq clusters
constitués comme suit: Le Devoir (DE_44), La Presse (PR_19), Le Soleil (SO_45),
Le Journal de Montréal (JM_33) et Le Journal de Québec (JQ_l0) (figure 5.9). En
diminuant le seuil à 0,76, d'autres clusters s'accrochent, appartenant tous aux
journaux du groupe Québecor. Les clusters les plus liés sont ceux du Journal de
Québec avec ceux du Journal de Montréal, suivis par celui de La Presse avec Le
Devoir. Ce dernier est central relativement au réseau sélectionné, car il possède plus
de connexions que les autres.

Figure 5.9 Représentation graphique de l'agglomérat traitant les élections avec le

seuil du filtre des liens fixé à 0,77. Les clusters plus foncés désignent un cluster plus
volumineux
 293

Figure 5 .10 Représentation graphique de l'agglomérat traitant les élections avec le

seuil du filtre des liens fixé à 0,76. Les clusters plus foncés désignent un cluster plus
volumineux

Cet agglomérat est totalement concentré sur la campagne électorale et les stratégies
électorales des partis politiques. Bien que les élections aient été déclenchées
seulement au mois d'août, le ton électoral des interventions des politiciens dans la
sphère publique est apparu bien avant cette date. En effet, il est possible d'observer
dans cet agglomérat, que le « discours électoraliste » a traversé presque toute la grève
étudiante, plus particulièrement du mois de juin au mois de septembre, avec un pic au
mois d'août.

Cet agglomérat se distingue nettement de celui présenté au point 5.1.2, où la

macrostructure est caractérisée par deux acteurs principaux, Marois et Charest, qui
assument de manière alternée les rôles de sujet et d' antisujet. De plus, l'objet de
valeur de l'agglomérat du point 5.1.2 est plus ou moins fixe et clair, car il alterne
entre le concept de discréditer l'adversaire politique et l'objectif d'augmenter le
taux d' appréciation par les électeurs. Dans l'agglomérat présenté ici, les acteurs du
sujet sont plus variés et l'objet de valeur est, au contraire, stabilisé sur un objectif
mieux précisé, soit gagner les élections. Dans ce contexte, la grève étudiante apparaît
 294

toujours comme un des enjeux principaux de la campagne électorale, tel quel déjà
observé au point 5.1.2.

Tableau 5.8 Programme narratif PN7

Sujet Objet de valeur Adjuvant/Opposant
[Politiciens/Partis Gagner les Sondages/Grève
politiques élections étudiante

Le rôle de la grève dans le programme narratif dont l'objet est l'objectif de gagner
les élections varie selon le sujet. Le discours électoral est très souvent présent lors de
la publication de sondages, qui montrent les tendances du vote des électeurs et
apparaissent déjà au mois de mai. Les résultats de certains sondages décrivent la
grève étudiante comme un adjuvant du PLQ :

Le PLQ en tête à Québec. Alors que le PQ maintient sa suprématie en régions,

les libéraux ont réussi à déclasser la CAQ à Québec -- une première -- et
conservent aussi la pole position à Montréal par une majorité infime. Le Parti
libéral se nourrit de nombreux nouveaux appuis dans la capitale nationale,
vraisemblablement en raison du conflit étudiant. Il détient même une avance
confortable avec 36 % des intentions de vote, devant la CAQ de François
Legault, à 28 %, et le PQ qui obtient 25 %. [ ... ] Le Parti libéral a gagné neuf
points à Québec depuis janvier, alors que la CAQ en a perdu cinq. Les appuis
au PQ n'ont pratiquement pas bougé. « La ville de Québec est celle qui appuie
le plus le gouvernement dans le conflit étudiant. Ce sera un défi pour François
Legault d'aller reconquérir la ville de Québec aux libéraux », analyse le sondeur
Christian Bourque, vice-président à la recherche chez Léger Marketing.
(K33JM0504Nou0682)

Dans ce contexte, la grève est un opposant pour le PQ :

Le sondage est clair: le PLQ continue de profiter du conflit étudiant, tandis que
le carré rouge demeure un handicap pour le PQ. (K44DE0616Po11045)
 295

Pour d'autres sondages, la grève est un opposant de la CAQ et, implicitement, du

PLQ:

Débat polarisé. La CAQ a été pénalisée par la très forte polarisation du débat
politique ces derniers mois en raison du conflit étudiant. La position adoptée
par le parti de François Legault d'appuyer le gouvernement Charest sur
l'augmentation des frais de scolarité, tout en proposant de bonifier l'aide aux
étudiants issus de la classe moyenne et de faciliter le remboursement des prêts,
·était responsable, mais, comme c'est souvent le cas pour des positions
médianes, elle n'a que peu retenu l'attention. (K33JM0711 Vot1365)

À la veille du déclenchement des élections, la grève semble être un adjuvant pour le

PQ:

C'est un pari risqué que prend Jean Charest en déclenchant des élections en
plein été. Si le chef libéral a de l'élan, le Parti québécois de Pauline Marois est
aux portes du pouvoir avec le tiers des intentions de vote. [... ] « Aujourd'hui,
s'il y avait élection, ce serait un gouvernement minoritaire péquiste » , [... ] Au
cours des derniers mois, le conflit étudiant a davantage profité aux libéraux, qui
avaient vu leurs appuis gonflés. La crise n'étant plus à l'avant-scène depuis
quelques semaines, le Parti libéral du Québec (PLQ) de Jean Charest glisse en
seconde place, à 31 %. (K33JM0801Nou1423)

Les répondants placent le PQ premier pour régler le conflit étudiant et

choisissent les libéraux pour développer le potentiel énergétique du Québec.
(K33JM0817Nou1502)

En général, les stratégies des partis font explicitement référence à la grève étudiante
et ce surtout pour le PLQ et le PQ :

En revanche, Jean Charest, qui a pris pour seule cible le PQ de Pauline Marois,
table sur la polarisation autour du conflit étudiant pour s'imposer. Au désordre
et à la turbulence que peut inspirer le PQ, le chef libéral oppose la stabilité, la
loi et l'ordre. De son côté, la chef du Parti québécois, Pauline Marois, a diffusé .
un message, sans que ce soit une réplique à la publicité du chef libéral, qui
misait sur l'unité, la fierté.» (K44DE0623Pol1090)
 296

Mais on a beau être en plein été, comme en 1994, il y a des enjeux

« politisateurs » forts : crise étudiante, usure du gouvernement, dénonciation de
cas de malversation, boum des ressources naturelles. « Ce n'est sûrement pas
mauvais pour nous », dit un stratège péquiste. [ ... ] Le principal talon d'Achille
de Pauline Marois auquel les libéraux comptent s'attaquer sera ses positions lors
de la crise étudiante. Son carré rouge, omniprésent jusqu'à la fin juin,« ça va lui
nuire», insiste l'un. (K44DE07l4Poll 182)

Qui plus est, le sondage a été effectué après des semaines d'accalmie sur le front
étudiant, mais le premier ministre Charest a fait en sorte que la campagne
coïncide avec la rentrée dans les cégeps. Il ne s'est pas caché : la défense de la
loi et de l'ordre au nom de la majorité silencieuse sera au cœur de sa campagne.
Encore faudrait-il que les associations étudiantes entrent dans son jeu.
(K44DE0802Po11256)

Dans de telles conditions, Jean Charest aura beaucoup de difficultés à ne pas

être engouffré par les sables mouvants dans lesquels il s'enfonce présentement.
La rentrée des étudiants ne lui a pas fourni, par ailleurs, la perche qu'il espérait
lors du lancement de la campagne, le 1er août, et son Plan Nord soulève peu
d'intérêt. Il s'agissait des deux piliers de sa campagne. Il ne lui reste plus qu'un
coup de théâtre lors des débats de la semaine prochaine pour changer l'issue du
dernier acte de la tragédie classique qu'aura été sa carrière politique.
(K33JM0817Nou1505)

Le printemps dernier, les étudiants promettaient une rentrée scolaire forcée par
la loi spéciale, à compter du 15 août, qui serait tumultueuse. Le 1er août, le
premier ministre a donné un caractère référendaire à l'élection qu'il lançait : les
Québécois devraient choisir entre se laisser gouverner par la pression de la rue
avec Pauline Marois ou la loi et l'ordre avec lui. (K33JM0901Nou1588)

Jean Charest a fait campagne sur la stabilité, proposant le statu quo (business as
usual, comme on dit en latin), mais les deux autres ont pris des engagements
assez radicaux : reprise des hostilités avec Ottawa, politiques identitaires
agressives, abolition de la loi 12 qui a mis fin aux protestations des étudiants
pour le PQ. (K33JM0902Vot1595)

Enfin, d'autres sondages soulignent la volonté des citoyens d'aller en élections,

puisque le gouvernement ne semble pas être en mesure de régler le conflit :
 297

Sondage Léger Marketing-Le Devoir - Le Québec veut des élections. C'est la

seule façon de régler le conflit étudiant - Libéraux et péquistes sont à égalité.
(K44DE0616Po11040)

Les résultats du dernier sondage Léger Marketing-Le Devoir le confirment: des

élections générales déclenchées en août prochain -- ce què souhaitent une
majorité de Québécois -- seraient une véritable boîte à surprise.
(K44DE0616Po11045)

Une configuration particulière de ce programme narratif PN7 voit le PQ utiliser de

manière plus directe et explicite la grève comme adjuvant. Ceci se concrétise
davantage par la candidature pour le PQ du président d'une des trois associations
étudiantes, Léo Bureau-Blouin :

Léo Bureau-Blouin rejoint les rangs du Parti québécois. Pauline Marois

confirme la candidature de Bernard Généreux. L'ancien président de la
Fédération étudiante collégiale .... L'ancien président de la Fédération étudiante
collégiale du Québec (FECQ), Léo Bureau-Blouin, fait le saut en politique
provinciale. Il sera le candidat du Parti québécois (PQ) dans la circonscription
de Laval-des-Rapides. (K44DE0725Pol1225)

Le recrutement de l'ex-président de la Fédération étudiante collégiale du

Québec (FECQ), Léo Bureau-Blouin, comme candidat est condamnable à ses
yeux et confirme que Pauline Marois « propose de céder » aux exigences des
étudiants. (K44DE0802Poll 255)

5.1.6 Cégep: le retour en classe

En réduisant le seuil à une valeur de 0,7, un autre agglomérat de cinq clusters apparaît.
Le cœur de cet agglomérat est constitué de clusters provenant de trois quotidiens, Le
Devoir (DE_18), Le Journal de Montréal (JM_18 et JM_28) et Le Journal de Québec
(JQ_7) (figure 5.11) et du site web Radio-Canada (RC_23). À ce même agglomérat
s'ajoutent encore trois autres clusters si on diminue le seuil de 0,01, ce qui permet
d'intégrer toutes les sources d'information sauf Métro. Trois clusters de La Presse
(PR_52), du Le Soleil (SO_46) et de Radio-Canada (RC_28) (figure 5.12) s'ajoutent
 298

avec ce dernier seuil. Les clusters appartenant à Le Devoir, Le Journal de Montréal et

Le Journal de Québec sont centraux relativement au réseau sélectionné.

Figure 5.11 Représentation graphique de l'agglomérat traitant les élections avec le

seuil du filtre des liens fixé à 0,7. Les clusters plus foncés désignent un cluster plus
volumineux

-e
Figure 5 .12 Représentation graphique de l'agglomérat traitant les élections avec le
seuil du filtre des liens fixé à 0,69. Les clusters plus foncés désignent un cluster plus
volumineux

Cet agglomérat met en évidence les évènements qui impliquent l'administration des
cégeps et de leurs étudiants, avec une attention particulière aux votes de grève et aux
débats sur le retour en classe (PN8). Plusieurs programmes narratifs s'entremêlent.
 299

Cependant, une macrostructure émerge de manière dominante par l'appariement

récurrent d'un actant avec un acteur, soit l'actant objet de valeur à l'acteur retour en
classe.

Tableau 5.9 Programme narratif PN8

Sujet Objet de valeur Adjuvant Opposant
Cégeps Retour en classe Injonction/Gouvernement/ Professeurs/étudiants
Professeurs/Carrés blancs grévistes/

Dans les différentes configurations prises par ce programme narratif, certaines sont
plus fréquentes que d'autres. L'une d'entre elles est caractérisée par l'adjuvant
injonction et par les conséquences de son utilisation:

Une injonction force le retour en classe des étudiants du cégep d'Alma.

(Kl8DE0331Act0294)

Tension accrue entre les policiers et les manifestants, retour en classe forcé
dans un cégep, procédures judiciaires et intimidation. (Kl8DE0412Act0372)

Léo Bureau-Blouin, président de la Fédération étudiante collégiale du Québec

(FECQ). Forcer le retour en classe des grévistes ne fera que créer des tensions
potentiellement dangereuses entre les étudiants. (Kl8JM0412Nou0432)

Les administrations des cégeps sont un acteur qui intervient comme sujet dans le
débat, mais ce n'est pas leur seul rôle actantiel. Souvent, les administrations trouvent
aussi le rôle d'adjuvant du gouvernement ou, quand ils sont sujets, c'est le
gouvernement qui devient leur adfuvant :

Injonctions, actions musclées et menaces de mort. Droits de scolarité : la

tension monte encore d'un cran. Manifestement loin d'avoir atteint son comble
après 60 jours de débrayage, la tension est encore montée d'un cran hier, dans le
conflit opposant les étudiants et le gouvernement sur la hausse des droits de
 300

scolarité. À bout de patience, les administrations des collèges et des universités

et celle des étudiants opposés à la grève ont de plus en plus recours aux
tribunaux pour mettre fin au conflit. (K18DE0413Act0374)

Pressions pour un retour en classe. L'UdeM et le cégep Saint-Jean-sur-Richelieu

vont reprendre les cours dès lundi. La voix de la ministre de l'Éducation, Line
Beauchamp, qui demandait cette semaine aux établissements d'enseignement
d'offrir les cours malgré le boycottage, semble avoir été entendue. Le cégep
Saint-Jean-sur-Richelieu prend exemple sur le collège de Valleyfield, qui a
imposé un retour en classe jeudi, un retour toutefois bloqué par les manifestants
opposés à la hausse des droits de scolarité ces deux derniers jours.
(K18DE0414Act0384)

« La fin de la récréation. Bureau parlementaire - La ministre de l'Éducation,

Line Beauchamp, demande aux cégeps et aux universités de donner leurs cours
aux étudiants qui voudront bien y assister. Tant pis pour les absents. »
(K07JQ0412Nou0354)

Au fur et à mesure que la grève se prolonge, la situation dans les cégeps devient de
plus en plus complexe et l'annulation de la session devient un des scénarios les plus
probables. La menace de l'annulation joue un rôle d'adjuvant dans le débat pour le
retour en classe :

Situation bientôt critique dans les cégeps. La situation est sur le point de
devenir critique dans les cégeps, où les étudiants sont en grève depuis un mois
ou plus. Certains cégeps en sont à élaborer des scénarios de reprise des cours
avant les vacances d'été. Dans au moins une quinzaine de cégeps sur 48, les
étudiants sont en grève depuis un mois ou plus. (K07JQ0403Nou0280)

Les sessions seront-elles annulées? Au moment où les associations étudiantes

s'avouent «dépassées» par les réactions de leurs membres, la Fédération des
cégeps envisage l'option de l'annulation de la session. (K07JQ0509Nou0619)

Le Conservatoire de musique de Montréal, où la grève dure depuis quatre

semaines, a annoncé que la session des étudiants qui avaient cumulé deux
absences et plus dans chaque cours était annulée. Les cours seront repris à la
 301

prochaine session, sans remboursement et avec la mention « incomplet

temporaire». (Kl8DE0421Act0440)

« La session est foutue ». Plusieurs profs et cégépiens commencent à souhaiter

l'annulation ou l'abandon de la session. Alors que l'espoir d'une sortie de crise
est ténu, le chaos persiste dans les cégeps. Pour certains, vouloir sauver la
session est devenu mission impossible. « Je considère que la session est foutue
en raison de la nature même des injonctions et de l'absence de dialogue entre le
gouvernement et les étudiants », a confié au Devoir Olivie'r Ménard, professeur
de français au collège Montmorency. (K18DE0512Soc0672)

Le gouvernement et les administrations des cégeps élaborent conjointement un

plan pour permettre le retour en classe et en arriver à une sortie de la crise :

Rencontre pour une sortie de crise à Québec. Beauchamp et Charest rencontrent

la direction des cégeps et des universités. Dans l'impasse depuis de nombreuses
semaines, le conflit étudiant semble avoir atteint un tournant.
(Kl 8DE0504Soc0585)

Incertitudes quant à la rentrée à l'automne. La session commencera à la mi-août

dans la plupart des cégeps. De quoi auront l'air les sessions à la rentrée ? Dans
un contexte de loi spéciale et de conflit dans une impasse profonde depuis la
rupture des négociations, plusieurs se le demandent. (K18DE0601Soc0890)

Bouchées doubles pour les cégeps. Pendant que les étudiants du collégial
concernés par la grève printanière se· prononçaient pour ou contre un retour en
classe cette semaine, les 14 cégeps touchés se préparaient à une rentrée scolaire
et à un automne sur un mode intensif jamais vécu auparavant.
(Kl8DE0818Soc1372)

Retour confirmé dans 3 cégeps. Dur coup hier pour le mouvement étudiant. Les
étudiants de trois cégeps ont choisi de mettre fin au boycottage des cours et de
rentrer en classe, abaissant à un peu plus de 100 000 le nombre de grévistes.
Tour à tour hier, les étudiants du Cégep Édouard-Monpetit, du Cégep Marie-
Victorin ainsi que du Collège de Maisonneuve ont choisi de mettre un terme à
la grève étudiante. (K07JQ0814Noul241)
 302

Au mois d'août, les derniers votes de grève couvrent explicitement un rôle

d'opposant possible face aux plans du gouvernement et des administrations des
cégeps:

Dur coup pour la grève générale illimitée. Trois cégeps ont voté hier pour le
retour en classe la grève se poursuit au Cégep du Vieux-Montréal. Les mandats
de grève générale illimitée tombent un à un dans les cégeps. Le Collège
Édouard-Montpetit, le Cégep Marie-Victorin et le Collège de Maisonneuve ont
voté le retour en classe aujourd'hui, s'ajoutant aux trois cégeps qui ont ratifié la
fin de la grève la semaine dernière. (K18DE0814Act1343)

La grève prend fin dans le réseau collégial. Les cégeps du Vieux-Montréal et de

Saint-Laurent votent pour le retour en classe. Le vote pour un retour en classe
au cégep du Vieux-Montréal (CVM) et au cégep de Saint-Laurent, deux
bastions parmi les plus militants, a signé hier la fin de la grève générale
illimitée dans tout le réseau collégial. (K18DE0818Soc1373)

Dans ce contexte, les professeurs des cégeps ont un rôle important et jouent souvent
celui d'opposant actif et ceci, en raison de leur appui à la grève. Dans plusieurs cas,
ils montrent un soutien actif à la grève, avec des prises de position nette
(K07JQ0411Nou0338). D'autres fois leur soutien est indirect, mais il demeure actif
(K18JM0411Nou0429, K18JM0519Nou0904).

Les directions des universités et des cégeps ont complètement abdiqué leurs
responsabilités depuis le début du boycott des cours par les étudiants et de
nombreux professeurs. Leurs devoirs consistaient à garantir le libre accès aux
salles de cours, à s'assurer que les professeurs offriraient leurs cours aux
étudiants qui se présenteraient et qu'ils prendraient les présences.
(K07JQ0411Nou0338)

« On ne négociera pas de calendrier de reprise de cours tant que les étudiants ne

seront pas de retour en classe », a indiqué le président de la Fédération
nationale des enseignantes et enseignants du Québec (FNEEQ), Jean Trudelle.
(Kl8JM0411Nou0429)
 303

Des notes « bonbons »? À Valleyfield, on s'inquiète du rattrapage automnal. Le

Collège de Valleyfield se demande comment il fera pour rattraper 11 semaines
de grève en un peu plus d'un mois. De son côté, le syndicat des professeurs
lance un cri d'alarme : dans les conditions imposées Québec, on craint d'être
obligé de lésiner sur la qualité de l'enseignement et de donner des « notes
bonbons» aux étudiants. (Kl8JM0519Nou0904)

Leur rôle d'opposant se poursuit dans d'autres configurations actantielles, notamment

en raison des conditions de travail qui leur sont imposées pour le rattrapage de la
session:

Qui va payer la facture de 20 millions pour la reprise de cours ? Grève --

Cégeps. Les négociations s'amorcent aujourd'hui entre les enseignants et les
cégeps où les sessions d'études ont été interrompues en raison de la grève des
étudiants cet hiver. (Kl8JM0607Noul 129)

Aucune entente à l'horizon. ÉDUCATION -- SESSION À RATTRAPER Un

écart de 30 M$ sépare Québec de ses profs de cégep. Rien ne va plus entre
Québec et les professeurs de cégep, alors que ces derniers songent à exercer des
moyens dè pression lors de la reprise des cours en août. Malgré plusieurs jours
de négociations, les professeurs n'arrivent pas à s'entendre avec la Fédération
des cégeps et le ministère de l'Éducation quant au rattrapage de la session
d'hiver. (K07JQ0627Nou1093)

Entente pour la rentrée. Cégeps. À la veille de la rentrée scolaire, le ministère

de l'Éducation a accepté de gonfler les effectifs professoraux dans les 14
institutions collégiales les plus touchées par le conflit étudiant, mais pas à
n'importe quelles conditions. Si le conflit se prolonge, les nouveaux professeurs
ne seront pas payés. Le ministère de l'Éducation a annoncé hier qu'il
compenserait les cégeps pour l'embauche de l'équivalent de 180 postes de
professeur à temps plein, à la suite d'une entente de principe entre la Fédération
nationale des enseignants du Québec, affiliée à la CSN (FNEEQCSN), et le
Comité patronal de négociation des collèges. (K07JQ0808Noul220)

Les professeurs seront au poste. Quelque 180 enseignants de plus devront être
embauchés. Un des morceaux du casse-tête de la rentrée est tombé en place hier
: les enseignants du collégial ont obtenu les ressources supplémentaires qu'ils
 304

exigeaient pour la reprise de la session d'hiver et la session d'automne

condensée. (Kl 8DE0808Pol1296)

5 .1. 7 Quelle est votre opinion?

Un dernier agglomérat apparaît avec un seuil de 0,67. Il est composé de sept clusters
appartenant à cinq quotidiens (figure 5.13), Le Devoir (DE_l 1 et DE_15), La Presse
(PR_34 et PR_47), Le Journal de Montréal (JM_21), Le Journal de Québec (JQ_53) ·
et Le Soleil (SO_9). Cet agglomérat rassemble les clusters les plus volumineux de La
Presse et du journal Le Devoir, et les troisièmes en ordre de grandeur du Journal de
Montréal et du journal Le Soleil. En d'autres termes, sauf pour le Journal de Québec
(JQ_53 ne possède que 11 articles) et Métro (dont aucun cluster n'a été sélectionné),
cet agglomérat regroupe les clusters les plus volumineux de chaque journal (tableau
5.10). Ces résultats correspondent également avec les résultats sur la fréquence du
code « opinion_difficile_à_annoter » (cfr. 4.5.3) car, comme il est possible de
visionner dans le tableau 5 .10, ce sont les journaux La Presse et Le Devoir à avoir le
plus de clusters dans l'agglomérat présent et les clusters les plus volumineux.

8
•
/
'
!
:

•
/

Figure 5.13 Représentation graphique de l' agglomérat traitant les articles d'opinion.
Les clusters plus foncés désignent un cluster plus volumineux
 305

Tableau 5.10 Taille de chaque· cluster avec son rang dans la partition du journal
correspondant
Cluster Taille Rang
PR 34 67 1
DE 11 61 1
PR 47 60 2
DE 15 60 2
JM 21 53 3
so 9 46 3
JQ 53 23 11

Dans cet agglomérat, on observe un phénomène fréquent : les clusters regroupent des
articles assez variés et pour lesquels il n'émerge pas de macrostructure commune.
Ceci constitue le seul cas pour lequel / 'hypothèse de recherche ne correspond pas aux
phénomènes observés. Pour cette raison, il est donc difficile d'en faire un résumé
exhaustif. Il s'agit d'une exception et elle ne remet pas en cause l'hypothèse, mais il
souligne la complexité de l'analyse des artefacts sémiotiques. Cet élément sera
amplement discuté dans le prochain chapitre (cfr. 6.1 ).

Néanmoins, il existe un élément qui constitue un commun dénominateur mais qui ne

permet pas d'interpréter cet agglomérat par le biais d'une macrostructure tel que
définie dans cette thèse. Ce dénominateur commun est l'opinion. En d'autres termes,
la majorité des articles sont des articles d'opinion sur différents évènements liés à la
grève. Ainsi, on observe la présence massive d'éditoriaux ou de lettres des lecteurs et
plusieurs opinions sont exprimées également dans des chroniques ou articles qui
n'appartiennent pas nécessairement à la classe des éditoriaux.

Le cluster JQ_53 est celui qui a la connexion la plus faible avec les autres clusters et
dans lequel on observe l'expression d'opinions sur des sujets distincts des autres
clusters. Le sujet principal est le parti politique Québec Solidaire. Le plus souvent,
 306

les opinions présentés dans ces articles portent sur les interventions ou les
événements dans lesquels le co-chef de ce parti politique, Amir Khadir, est un
protagoniste :

J'ai honte. Je trouve honteux et innommable de mettre les menottes à un homme

ayant titre de député élu, Amir Khadir qui, certes, représente la gauche, mais ça
en prend au moins un qui ait le courage de le faire dans un pays où Dieu est le
dollar. (K53JQ0608Vot0964)

Les pays scandinaves. Au lieu de « pelleter dans la cour des familles, de la

classe moyenne et des étudiants les responsabilités fiscales qui incombent à
l'ensemble de la société », le gouvernement Charest devrait plutôt suivre
l'exemple des pays scandinaves qui prônent la gratuité scolaire, estime le député
solidaire. Aux yeux d'Amir Khadir, l'entêtement de Jean Charest à vouloir
dégeler les frais de scolarité mérite que le gouvernement libéral soit défait.
« Nous sommes confiants qu'une majorité de la population québécoise est
contre le doublement des frais de scolarité », a-t-il affirmé.
(K53JQ0229Nou0069)

Ce sujet n'est toutefois pas exclusif à JQ_53. Des opinions sur ce même sujet sont
exprimées dans d'autres clusters de cet agglomérat:

Une nouvelle forme d'activisme politique. Les arrestations du député Amir

Khadir et de sa fille illustrent avec force la nouvelle forme d'activisme politique
plus contestataire mené par les mouvements sociaux, en lien avec Québec
solidaire (QS), qui agit comme leur porte-parole dans les institutions de l'État.
Monsieur Khadir n'est pas que le député du Plateau. Il est le lobbyiste en chef
de la société civile organisée à l'Assemblée nationale. QS est une fédération de
mouvements sociaux issus des syndicats, du tiers secteur, de la lutte contre la
pauvreté, du féminisme et de l'environnement. (K15DE0608Idé0972)

Cet agglomérat des clusters où la phase d'annotation a été caractérisée par le même
obstacle en l'absence de macrostructure commune. En effet, les articles font référence
à beaucoup de programmes narratifs différents, le niveau discursif devient complexe
et rend ainsi difficile l'interprétation globale des clusters et, par conséquent, de
 307

l'agglomérat'. Par exemple, dans l'extrait suivant, on observe plusieurs idées et

opinions énoncées sur plusieurs sujets, ce qui est un phénomène fréquent dans les
articles de cet agglomérat :

Une ville au bord de la crise de nerfs. Je sais que vous êtes comme moi : plus
capables, vraiment plus capables de supporter cette crise préfabriquée, et
artificielle, qui est devenue un imbroglio syndicalo-socio-politique hors de
contrôle et qui met en relief tout ce qui ne marche pas bien et n'est pas beau au
Québec en ce moment. La température maussade qui refuse de nous laisser voir
un peu de printemps n'aide pas, c'est certain. Mais je pense que le vacarme du
gros hélicoptère de la SQ, qui survole le centre-ville à chaque soir est_ très
démoralisant - d'une manière insidieuse. [ ... ] UNE SOCIÉTÉ
DYSFONCTIONNELLE. Des étudiants ont recours aux tribunaux pour pouvoir
suivre leurs cours! Mais les ordres de la Cour sont défiés par d'autres étudiants -
et des syndicats de profs payés à ne rien faire. Les directeurs d'école plient et
annulent les cours. Les leaders étudiants, qui ont refusé les offres du
gouvernement, s'improvisent grands mandarins, proposant toutes sortes de
solutions administratives pour rencontrer leurs exigences. [ ... ] UNE
CAMPAGNE DE SABOTAGE. Et je ne vous dis pas ce qu'.on lit sur les médias
sociaux : une litanie d'injures exagérées, de désinformation, de démagogie
hargneuse, de dénonciations malhonnêtes, très souvent écrites dans un français
déboîté. Au début on applaudissait les étudiants, festifs, énergiques, qui
défilaient - on sympathisait avec eux. On n'en est plus là. Maintenant, ce sont
ces mêmes étudiants qui angoissent, devant une année perdue, ou une carrière
gâchée et qui veulent reprendre leurs cours. [ ... ] Le Québec n'a pas besoin
d'ennemis. Il est parfaitement capable de s'affaiblir et de se détruire tout seul.
(K21JM0504Nou0692)

Toutefois, il est possible de regrouper la majorité des articles dans une même
catégorie, soit le débat entre ceux qui sont pour la grève et ceux qui sont contre la
grève:

Une minuscule minorité. Depuis le début du boycottage des cours, les leaders
du mouvement et les médias nous répètent que « les» étudiants sont en colère,
que «les» étudiants sont descendus dans la rue. La réalité, c'est que les jeunes
participant aux manifestations constituent une petite _minorité, parfois même
une minuscule minorité. [ ... ] En effet, ils oublient que leurs « actions d'éclat»

'
1

. '
 308

causent chaque jour plus d'ennuis aux citoyens, ceux-là mêmes qui paient le
gros des coûts des études universitaires. (K.34PR0309Déb0140)

Les étudiants sont en journées pédagogiques. Les étudiants sont en grève. C'est
ce que rapportent tous les médias. Pourtant, il me semble que ce n'est pas le bon
mot pour décrire la situation. Nous devrions peut-être retourner sur les bancs
d'école, nous aussi, réviser nos expressions. Une grève est une action collective
consistant en une cessation concertée du ~ravail par les salariés d'une entreprise.
Les étudiants ne sont pas des travailleurs, pas encore. (K34PR0310Act0147)

Quoi faire? Le dynamisme et la ferveur des jeunes Québécois ont été confisqués
par un petit groupe d'idéologues et d'extrémistes invoquant leurs supposés
droits pour abuser de ceux des autres. (K53JQ0610Vot0978)

Je n'ai jamais été favorable à une intervention hâtive des premiers ministres
dans les conflits comme celui des étudiants. Ils doivent éviter de jouer aux
pompiers chaque fois que s'annonce un problème. Mais il arrive un point où
seule l'intervention du premier ministre peut changer le cours des choses. Et je
pense honnêtement qu'on est rendu là. Dans ce genre de crise, c'est au chefdu
gouvernement qu'il incombe de jouer le rôle d'un « bon père de famille » et de
réconcilier tout le monde. (K09SO0524Act0890)

Jean Charest a raison de se défendre âprement lorsqu'il est suggéré que son
gouvernement a orchestré la crise avec les étudiants dans l'objectif de s'en servir
pour atténuer l'insatisfaction à l'endroit des libéraux. Ça serait pousser le
machiavélisme un peu loin. Mais ça ne veut pas dire que sa gestion du dossier a
été exemplaire pour autant, ni exempte de toute considération politique.
(K09SO0507Édi0649)

Dans les endroits malheureux où une vraie révolution s'impose, la dernière

chose dont les citoyens ont besoin est de se faire expliquer pourquoi ils
devraient faire la révolution. Ils le savent trop bien. Mais ici, au Québec? Ici au
Québec, c'est différent. Nous sommes pleins. Gras dur. Subventionnés,
syndiqués. « Paddés » mur à mur. Protégés par la convention, permanents,
indexés ... Et nous avons des richesses naturelles ... pour ceux que cela intéresse.
Alors, la question est: pour qui est-ce que le discours de gauche nous dépeint-il
toujours comme des perdants, des victimes, des gens à qui on doit« donner une
chance»? (K21JM0508Vot0738)
 309

Dans ce contexte, quelques caractéristiques spécifiques peuvent être soulignées.

L'élément remarqué le plus fréquemment est la quasi omniprésence dans les articles
d'un acteur qui recouvre explicitement le rôle de destinataire. Ceci est probablement
dû au fait que, lorsqu'on exprime une opinion, on a tendance à évaluer un acte de
performance, comme par exemple, évaluer une action accomplie par un héros. Un
acte de performance implique la présence d'un destinataire: par exemple, le roi
évalue positivement le fait que le héros ait sauvé la princesse, et leur permette ainsi
de se marier. Dans plusieurs articles, les opinions reflètent des jugements sur des
interventions publiques ou des actions accomplies par les acteurs impliqués dans le
débat. Un des critères de cette évaluation est l'impact que les actions ont dans la
société, qui constitue un des destinataires plus fréquemment observés :

Je ne pense aucun bien de ceux qui jouent à la révolution et sont tentés par la
violence. Aucun. Mais réduire la grève étudiante à quelques casseurs et
apprentis Che Guevara, c'est ne rien comprendre à ce qui se passe au Québec.
Car la querelle sur- les frais de scolarité a changé de proportion depuis un bon
moment. La grève étudiante est le révélateur d'un malaise social profond.
(K21JM0419Nou0503)

La jeunesse qui pousse le Québec à la maturité. Face à l'échec du modèle

d'autorité néolibéral, les «Y» avancent une vision humaniste à long terme.
(Kl1DE0428Soc0531) .

Une fière jeunesse, M. Reid! Monsieur Reid, je ne sais pas ce que vous pensez,
dans votre for intérieur, de ces disciplines que vous jugez peut-être trop
improductives, mais je puis vous dire que ces étudiants qui, depuis le 20 février,
sont dans les rues tous les jours, qui font preuve d'une inventivité, d'une
patience, d'une créativité inouïes, sont parmi les plus brillants, allumés et
impliqués dans leurs études que je connaisse. (Kl 1DE0510Idé0655)

Le poing sur la table. Il n'appartient pas aux étudiants, mais au gouvernement

du Québec, de faire les difficiles choix de société. (K34PR0419Déb0501)
 310

Point chaud - Face-à-face de générations. « Les jeunes se réveillent, ne les

écrasez pas! », demande Jean-Marc Léger. Une fois un trait tiré à la grève
étudiante, « les Québécois ne verront plus les jeunes de la même manière »,
selon le président et fondateur de Léger Marketing, Jean-Marc Léger.
(Kl 1DE0522Soc0769)

Obstruction systématique. Pour protéger le portefeuille des étudiants, leurs

leaders se drapent dans des principes de « justice sociale » et de « choix de
société ». Depuis plusieurs jours, je vois de nombreux chroniqueurs et
commentateurs donner une image idéalisée des étudiants qui militent dans la
rue. Changer le monde, défendre des idéaux, se battre pour la justice, lancer le
printemps québécois... autant de raisons pour lesquelles les jeunes
descendraient dans la rue avec une fougue qui fait envie. Je suis désolée de
briser cette image romantique pour révéler des côtés moins flatteùrs de cette
génération dont je fais partie. Dans mes fonctions au sein de la CDJ-ADQ, j'ai
côtoyé plusieurs de ces leaders étudiants. Plusieurs d'entre eux sont proches soit
de partis politiques, soit de groupes communistes visant à faire de l'obstruction
systématique à tout fonctionnement de la société telle qu'on la connaît.
(K34PR0426Déb0575)

Un autre exemple de destinataire observé est l'éducation:

Ras-le-bol des idées néolibérales. « Résumer le conflit à un choc des

générations serait une façon commode d'en évacuer l'aspect idéologique ». Le
gouvernement n'arrivera jamais à rien de bon, dans le conflit étudiant, tant qu'il
ne comprendra pas mieux à qui et à quoi il a affaire, c'est-à-dire à une
génération différente des autres, dont les intérêts débordent les questions
d'éducation et qui n'a pas fini de prendre la rue pour se faire entendre.
(Kl 1DE0526Soc0814)

Grève étudiante : au-delà des sous. Le mouvement de grève étudiant~ qui a

démarré sur un refus de la hausse des droits de scolarité autour du slogan
« bloquons la hausse » a pris une coloration différente de celle qu'il avait au
départ du fait de l'intransigeance du gouvernement et des effets politisants de
l'action politique elle-même. [... ] Plus encore, en défendant le droit à
l'éducation, les étudiants et ceux qui les appuient fraient la voie à une autre
conception de. l'éducation et de la société que celle qui prévaut actuellement, un
peu plus près de celle que défendait Condorcet lors de la Révolution française.
[... ] Dans ces conditions, l'intransigeance du gouvernement a permis au
mouvement de se déployer et de se radicaliser. Quand un gouvernement n'a que
 311

la police à offrir à sa jeunesse en colère, il y a lieu de s'inquiéter. Pas tant pour

la jeunesse que pour le gouvernement. (Kl 1DE0404Idé0327)

D'autres articles identifient la valeur de la démocratie comme critère d'évaluation:

Les étudiants sont de plus en plus nombreux à se joindre au mouvement de

grève afin de contrer la hausse des frais de scolarité universitaires. Pourtant, il y
a moins de manifestants dans les rues. La question est donc de savoir si le vote
est vraiment représentatif de l'opposition à l'augmentation des coûts ou s'il ne
s'agirait pas plutôt d'un militantisme actif qui prendrait le pas sur une majorité
silencieuse qui préférerait ne pas se prononcer. (K21JM0308Nou0122)

[ ... ] selon Sébastien Ricard, qui n'hésite pas à relier l'effervescence actuelle à la
naissance d'un éventuel « printemps québécois ». « Le timing est parfait,
observe-t-il. On est dans une période au Québec ou la disponibilité d'esprit et de
temps est là pour s'attarder à ces questions et pour vraiment mettre en marche
les idées et les débats. [ ... ] L'effervescence et les débats qui se sont dégagés de
ces événements nous ont inspirés et nous ont encouragés à se pencher nous
aussi sur la notion de la démocratie, indique Ricard. » Évidemment, on n'avait
pas du tout prévu que la grève étudiante serait déclenchée entre-temps et que
Dominic Champagne (qui participe également à notre événement) organiserait
sa mobilisation générale le 22 avril (à l'occasion du Jour de la Terre).
(K21JM0407Wee03 89)

Élections - Le panneau tendu aux étudiants. Les représentants et porte-parole

des associations étudiantes.... Les représentants et porte-parole des associations
étudiantes québécoises comprenaient déjà, et ils le disent maintenant, que la
question des droits de scolarité soulève, compare, voire oppose différentes
conceptions de la nature et du fonctionnement de la société et de la démocratie.
(K15DE0714Idél 1)

Enfin, d'autres articles portent plus d'attention à l'accessibilité aux études, qui, au
contraire d'éducation et démocratie, n'est pas une valeur idéologique. Dans ces cas,
la manière de respecter ces valeurs peut changer, mais ils demeurent des valeurs
amplement partagées par la s_ociété. Dans le cas de l'accessibilité, le niveau
d'abstraction est différent et il pourrait ne pas être accepté comme destinataire. Ce qui
n'est pas possible pour les autres deux exemples.
 312

À mes camarades au carré rouge ... Je porte le carré rouge et suis contre la
hausse des droits de scolarité. Selon moi, afin de permettre la meilleure
accessibilité possible aux études supérieures et d'enrichir ainsi cette belle
société qui est la nôtre, la gratuité scolaire serait envisageable dan_s un avenir
rapproché, bien qu'elle ne soit possible qu'à la suite de plusieurs modifications
au système actuel. . L'accessibilité à l'université est un choix de société.
(Kl 5DE0514Idé0693)

UNE GRÈVE LÉGITIME. Grève des étudiants justifiée? [... ] En augmentant

les droits, on empêchera certaines de ces familles d'envoyer leurs enfants à
l'université. D'ailleurs, toutes les études sérieuses démontrent que lorsque les
droits augmentent, moins d'étudiants s'inscrivent. (K34PR0216Déb0018)

En classe! Il est temps que la ministre Line Beauchamp lance un ultimatum aux
manifestants. Ce n'est pas une grève, car les étudiants ne sont pas syndiqués.
Tout le monde est perdant dans ce conflit. À ce que je sache, c'est le
gouvernement qui doit suggérer des solutions. Ce ne sont pas les étudiants qui
doivent faire des propositions. Les étudiants devraient apprendre à budgéter.
(K09SO0509Opi0683)

Dans d'autres cas, les énonciateurs des articles ont recours à plusieurs destinataires en
même temps:

Dix grandes leçons. L'affrontement entre les étudiants et le gouvernement au

sujet des droits de scolarité nous révèle quelques enseignements sur la société
québécoise. 1 Les «grévistes» veulent être écoutés, mais n'entendent rien.[ ... ]
2 Les «grévistes» ne veulent pas négocier, mais gagner. [ ... ] 3 La démocratie
étudiante est gravement malade. [ ... ] 4 Ce mouvement est corporatiste et même
réactionnaire. [ ... ] 5 Le terrorisme est de retour au Québec, sous l'appellation
de désobéissance civile. [ ... ] 6 Les syndicats et les groupes populaires ont fait
dévier le débat. [... ] 7 Les enseignants qui soutiennent ou même encouragent
les « grévistes » nuisent à la profession. [ ... ] 8 Le gouvernement Charest ne
peut pas céder à ces revendications. [ ... ] 9 Le recours aux tribunaux est entré
dans les moeurs. [ ... ] 10 La démocratie est à la fois vulnérable et solide. Les
Che et àutres Trotsky en herbe jouent une pantomime de Mai 68 et s'imaginent
faire la révolution. (K34PR0516Déb0872)
 313

Pour un certain nombre de cas, il est toutefois moins simple d'expliciter l'acteur
correspondant au rôle de destinataire. Dans certains autres cas, il est par contre
possible d'identifier un concept autour duquel gravitent les considérations énoncées,
comme le cas du concept de participation politique :

Point chaud - L'enjeu philosophique mondial du conflit étudiant. « Ayons

toujours un oeil sur le Québec », conseille Alain Badiou. Le Québec et sa crise
actuelle pourraient-ils servir à mieux penser le monde? Oui, assure Alain
Badiou, ancien leader de Mai 68 qui ne renie pas son passé maoïste. Rencontre
avec un des philosophes français les plus connus et controversés de l'heure. Que
pensez-vous du conflit étudiant au Québec? Ce qui m'intéresse d'abord, c'est
l'amplitude et la détermination du phénomène. Au fond, ce qui se passe chez
vous, c'est une résistance brutale et étendue à un phénomène mondial, qui veut
que le modèle de l'entreprise s'applique à toutes les activités humaines, quelles
qu'elles soient. Comme l'entreprise, l'université devrait s'autofinancer, alors
qu'historiquement, elle s'est édifiée selon des règles toutes différentes.
Évidemment, le conflit prend la forme particulière et très localisée d'un combat
contre le programme d'augmentation des droits de scolarité universitaire, qui
s'est ensuite étendu à une opposition contre la gestion gouvernementale de la
crise. Mais on sent bien au coeur de ce soulèvement une subjectivité révoltée
contre l'idée que le paradigme de toute chose est l'entreprise. Et ce point de
résistance mobilise, pour l'instant, un débat de grande ampleur, qui nous
concerne tous, et dont la fin n'est pas prédictible. Feriez-vous un rapprochement
avec la révolte étudiante de Mai 68, alors que, dirigeant maoïste, vous appeliez
à la révolution? Oui, par ses manières de faire, ses allures, son inventivité.
. (Kl 1DE0611Soc0998)

Être jeune et faire de la politique autrement. Le mouvement étudiant actuel

pourrait-il avoir un impact sur la vie politique québécoise? Tous les
observateurs de la jeunesse québécoise et internationale des dernières années
l'ont remarqué : les jeunes participent peu aux pratiques politiques
traditionnelles : scrutins, adhésion à un parti, etc. Devant un tel constat, une
question se pose : le mouvement étudiant actuel, qui déferle dans les rues de
Montréal contre la hausse des droits de scolarité et contre la loi 78, pourrait-il
avoir un impact sur la vie politique québécoise? (Kl 5DE0602Soc0898)

Beaucoup de documents analysés dans cet agglomérat sont des lettres écrites par des
lecteurs et ce surtout pour le journal Le Devoir :
 314

Grève étudiante - Individualisme contre sens de la communauté. Je suis

étudiante en communication et « j'investis » dans notre futur. Je veux réussir
dans la vie, j'ai un iPhone et je n'ai pas de dreadlocks. [ ... ] Un vote de grève
symbolique (de 10 jours!?) qui ne passe pas. Et pourquoi? Parce qu'en grosse
majorité, on pense à son examen en mars, à son cours de thaï box et à son stage
chez Cossette. Allô la communauté! Et il y a de quoi s'inquiéter. Rare. Voilà
dévoilé un symptôme plus profond ici... Un symptôme inquiétant, relié
directement à la hausse des droits de scolarité... Si l'éducation est en train de
changer, ce n'est pas juste à cause des programmes « rentables » favorisés, de la
facture étudiante qui s'alourdit, de la gestion et du financement des universités
qui se privatisent; c'est aussi ... à cause des étudiants. (Kl 1DE0218Idé0018)

La présentation et la synthèse des annotations de ces clusters ne sont pas exhaustives

et un approfondissement de cet agglomérat serait vraisemblablement pertinent.
Comme ceci ne coïncide pas avec les objectifs de notre recherche cette analyse
demeurera incomplète et approximative.

5.2 Groupes de macrostructures distinctives

Dans la section précédente, nous avons mis en évidence les macrostructures les plus
récurrentes et les plus communes entre les différents journaux. Pour ce faire, nous
avons projeté les centroïdes des clusters sur un espace commun afin d'obtenir une
visualisation de leurs relations à l'aide de la mesure de similarité cosinus. En
configurant un seuil pour filtrer le poids des liens entre les nœuds, nous avons obtenu
différentes représentations des relations inter-clusters sous forme de graphiques, à
partir desquels il a été possible d'identifier des agglomérats de clusters similaires. Ces
agglomérats constituent les« grandes » macrostructures communes entre les journaux.

Dans cette section, l'opération inverse est exécutée. Ainsi, à partir de l'espace des
centroïdes, on construit un protocole pour identifier les clusters qui se différencient le
plus et ceci, en tenant compte de l'appartenance au journal. Or, l'identification des
différences entre clusters et entre journaux constitue une opération plus difficile à
 ----- - - - - -- - - -- - - - -

315

réaliser compte tenu de la nature des hypothèses de cette recherche et de la méthode

construite. En effet, cette dernière, n'est pas optimisée pour ce genre de tâche,
puisqu'elle est basée sur la notion de similarité. Toutefois, un protocole a été identifié
pour effectuer, avec quelques limites, ce genre d'analyse très pertinente dans une
phase d'exploration d'un corpus de type journalistique.

&

So
V Jq

w, Jm
Pr
& De
Re
-= Me

Figure 5.14 Représentation graphique des 117 clusters qui ont été annotés avec le
seuil du filtre des liens fixé à 0.6. Chaque couleur correspond à une source
d'information.

Le protocole a été construit de manière spéculaire par rapport à celui utilisé pour
identifier les agglomérats de macrostructures. Le principe de base est d'observer les
clusters les plus isolés du graphique. En effet, ceux qui possèdent le moins de
connexions sont peu similaires au reste des clusters. Pour ce faire, deux paramètres
ont été modifiés dans la phase de construction du graphique. Le premier est le nombre
de nœuds retenus. Ainsi, seuls les 117 clusters passés à l' étape d'annotation en raison
de leur taille ont été retenus. En d'autres termes, seulement le tiers plus volumineux
 316

des clusters de chaque journal a été retenu pour la construction du graphique. Ceci
implique que seulement 117 nœuds ont été projetés. Le deuxième paramètre est le
seuil pour filtrer le poids des liens entre les nœuds. Cette valeur a été fixée à 0,6 afin
d'obtenir la figure 5.14. On y remarque certains nœuds peu connectés qui se situent
aux marges et d'autres plus connectés qui demeurent au centre du graphique. La
couleur du nœud dépend du journal. À l'occasion, d'autres seuils plus faibles seront
utilisés.

5.2.1 Métro

Dans le graphique ainsi construit (figure 5.15), on observe plusieurs clusters

appartenant au journal Métro qui se situent aux marges de l'espace. Quatre clusters
sont susceptibles d'être analysés: ME_4, Me_6, ME_7 et ME_31. Pour des raisons
de simplicité, nous ne rapporterons que l'analyse· de ME_6 et ME_7. Ces clusters
montrent deux profils différents. Le premier est caractérisé par de très forts liens avec
un autre agglomérat et ne présente pas des caractéristiques spécifiques et distinctives.
L'autre, au contraire, montre une typologie de cluster qui regroupe des
caractéristiques spécifiques au journal.
 317

Figure 5 .15 Détail de la figure 5.14

[Link] Les opinions exprimées dans Métro

Dans le cas de ME_6, nous avons d'abord exploré les liens que ce cluster possède.
Ainsi, avec un seuil fixé à 0,5, dix clusters s'y retrouvent reliés. Ces liens nous
fournissent des indices pour étudier le cluster ciblé. En effet, les liens du cluster
ME_6 (figure 5.16) indiquent clairement que ME_6 est relié à l'agglomérat présenté
au point 5.1.7, c'est-à-dire au groupe des articles d'opinion. Il est possible d'extraire
des exemples à partir de clusters comme DE_l 1, DE_15 (Le Devoir), PR_34, PR_47
(La Presse), JM_ 21 (Le Journal de Montréal) et SO _9 (Le Soleil). Enfin, une analyse
plus détaillée du cluster ME_6 montre que ses composants sont des articles d'opinion
et qu'ils sont aussi caractérisés par les mêmes schémas logico-sémantiques qui ont été
observés pour les clusters appartenant à l'agglomérat présenté au point 5.1.7.
 318

~9

\
•
Figure 5 .16 Représentation graphique des liens du cluster ME_6

De la même manière, les articles de ce cluster mettent surtout en valeur le

destinataire. Les plus répandus sont les droits fondamentaux et la démocratie:

Lettre d'une étudiante. N'importe quelle société est censée respecter les droits
humains fondamentaux. Un de ces droits est celui à la santé, c'est pourquoi nous
avons accès à un système de santé universel au Québec. Autre droit de l'humain
: celui à la justice. Voilà d'où nous viennent les procès qui servent à juger des
cas d'injustice. Ces temps-ci, le gouvernement Charest se plaît à jouer avec un
des droits humains fondamentaux : celui à la liberté. (K06ME0227 Act003 5)

Nos étudiants sont ainsi devenus nos maîtres et nous font maintenant une leçon
de démocratie! (K06ME0307Car0064)

Il semble que nos étudiants comprennent mieux que nos élus l'importance du
processus de consultation pour assurer le bon fonctionnement d'une société
démocratique. (K06ME0425Car0287)

Le cas de ME_6 démontre que les agglomérats identifiés dans la première partie de ce
chapitre peuvent être plus grands et inclure de façon pertinente des clusters qui sont
légèrement moins similaires du point de vue lexico-sémantique. Ceci n' invalide pas
la manière de trouver les agglomérats les plus importants mais constitue un indice
pour mieux approfondir cette analyse. Après une étape d' exploration, un
 319

approfondissement de ce cas pourrait être pertinent. Toutefois, ceci n'entre pas dans
le cadre de cette thèse puisque notre méthode vise à assister la phase d'exploration
d'un corpus.

[Link] Le jugement des contribuables

Dans le cas de ME_7 (figure 5.15), une macrostructure spécifique a été identifiée. En
effet, ce cluster met en évidence un élément qui apparaît rarement de manière
explicite dans les. 117 clusters que nous avons annotés, soit les impacts que les
actions du gouvernement auraient sur les contribuables. Dans ce contexte, plusieurs
acteurs sont évoqués, dont la majorité occupe le rôle de destinataire des programmes
narratifs du gouvernement. L'un d'entre eux est la classe moyenne, à laquelle la
majorité de contribuables appartient :

La classe moyenne durement touchée. Alors que le gouvernement martèle aux

étudiants de faire « leur juste part » en ce qui concerne les droits de scolarité,
les étudiants affirment que ce sont les familles de la classe moyenne qui seront
les grandes perdantes. « La hausse des droits de scolarité est une nouvelle taxe
pour la classe moyenne», a indiqué Martine Desjardins, présidente de la
Fédération étudiante universitaire du Québec. Selon le Code civil du Québec,
les parents ont l'obligation de contribuer au ·financement des études de leurs
enfants, et ce, même après que ceux-ci ont atteint leur majorité.
(K07ME0322Act0138)

Un autre acteur est la famille, puisque les décisions budgétaires prises par le
gouvernement ont des impacts sur les finances familiales :

Des scénarios écartés. Que notre système de prêts et bourses soit le plus
généreux en Amérique du Nord, comme le souligne Jean Charest pour
discréditer les revendications étudiantes, ne change rien. Dès que les revenus
des parents sont pris en compte pour déterminer le montant dont l'étudiant a
besoin pour vivre, on écarte une foule de scénarios. Qu'en est-il si mon père est
riche, mais refuse de payer pour mes études en travail social, lui qui voudrait
me voir étudier en médecine? Qu'en est-il si ma mère est riche, mais refuse de
me parler dèpuis des mois pour une raison ou une autre? Le régime de prêts et
 320

bourses ne veut et ne peut pas prendre en charge la réalité, se réduisant à

considérer les étudiants comme une pile de chiffres. (K07ME0402Act0178)

Le véritable courage. Les deux lettres suivantes répondent à une autre publiée
dans cette page mercredi. Je dirais que, oui, certes, défier les masses est
courageux. Mais moi, le courage, j'aimerais le voir chez un ministre des
Finances, ou tout autre ministre, vérifiant chacune de NOS cents dépensés à
gauche et à droite, sans vraiment faire attention. J'ai parfois (même souvent)
l'impression que ces personnes qui sont payées pour faire un travail
supposément irréprochable, ferment les yeux sur des dépenses abusives ou non
nécessaires, comme le ferait un employé d'usine qui voit un de ses collègues
poser un geste stupide, qui coûte de l'argent à la compagnie, mais qui ne dit rien
par peur de représailles ou pour faire partie de la gang! D'un père de famille qui
va payer ces fameux frais de scolarité, et qui, comme tout le monde, est
exaspéré et va payer ses taxes et ses impôts. (K07ME0413Act0231)

Enfin, les travailleurs constituent un autre acteur important. Ils soulignent à plusieurs
reprises leur contribution centrale aux finances du gouvernement :

Injustice sociale. Les étudiants demandent au gouvernement du Québec un gel

des frais de scolarité. Et nous les travailleurs ... eh bien, on aimerait ne pas payer
.plus de taxes. Le gouvernement s'entête, il ne veut pas nous ajouter, à nous les
travailleurs, les dépenses qu'engendrerait un gel des frais de scolarité. Si le
gouvernement arrêtait de subventionner les écoles privées et qu'il prenait cet
argent pour les frais de scolarité universitaires, on aurait l'impression, nous les
travailleurs, que nos taxes et nos impôts profitent vraiment aux Québécois. Qui
va dans les écoles privées? Sûrement les enfants de familles qui en ont les
moyens. (K07ME0416Act023 7)

Il est important de mentionner que Métro n'est pas le seul journal à mettre de l'avant
cette macrostructure. Par exemple, le journal La Presse contient dès articles qui
l'évoquent dans au moins deux clusters PR_33 et PR_44:

Des parents inquiets. Pendant que les étudiants manifestent, leurs parents
s'inquiètent, car ils savent que ce sont eux qui devront absorber une large part
de la hausse des droits de scolarité. (K33PR03 l 6Act0205)
 321

La justice sociale. Pour la hausse. J'ai trois enfants. S'ils vont à l'université, je
paierai leurs droits de scolarité. J'en ai les moyens, c'est vrai. Mais pour tout
vous dire, je ne vois pas vraiment ce que j'ai de tellement plus important à faire
sur cette Terre avec mon argent que de donner l'occasion à mes enfants
d'étudier aussi longtemps qu'ils le veulent. Quoi? Vous me dites qu'au nom de
la justice sociale, on devrait geler les droits? Ou mieux encore, instaurer la
gratuité universitaire? Ce sera « le gouvernement » qui paiera pour mes
enfants? Cool, le gouvernement! Je vais économiser un paquet d'argent avec ça.
Mais n'appelez pas ça« justice sociale ». (K42PR0322Act0257)

Les autres journaux ont des articles similaires à ceux de ME_7 mais, par contre, sont
éparpillés dans plusieurs clusters, comme PR_42, PR_33, JM_3, SO_23, DE_39 et
JQ 2. Enfin, les autres journaux n'ont pas de cluster possédant les mêmes
caractéristiques que ME_7 en termes de taille, de langage et de macrostructure. Par
conséquent, si un cluster regroupant les articles qui contiennent cette macrostructure
s'est formé pour Métro, pour les autres journaux en revanche, la macrostructure est
évoquée dans des articles qui n'appartiennent pas à un seul cluster. Enfin, pour cette
macrostructure, le journal Métro utilise un langage plus homogène et distinctif, ce qui
permet probablement à notre méthode d'identifier un cluster complètement dédié à
cette macrostructure.

5.2.2 Journal de Montréal

Les deux journaux de Québecor, Le Journal de Montréal et Le Journal de Québec,

sont très similaires. En effet, nous avons remarqué à plusieurs reprises que les
clusters des deux journaux se ressemblent. Ceci est surtout dû au fait que les deux
journaux publient souvent les mêmes articles. Un exemple est en constitué par les
clusters JQ_7 et JM_18 dont la majorité des articles sont les mêmes. Trois exemples
sont présentés dans le tableau 5.11, où on peut observer que, par leurs titres, ces
articles sont presque identiques.
 322

Tableau 5 .11 Exemples de titres similaires pour les articles pareils entre le Journal de
Québec et le Journal de Montréal
Journal Code article Titre article
Journal de Québec K7JQ0403Nou0280 Situation bientôt critique dans les cégeps
Journal de Montréal Kl 8JM0403Nou0349 Situation critique dans les cégeps
Journal de Québec K7JQ0809Nou1225 Echec pour les grévistes
Journal de Montréal K18JM0809Nou1461 Échec pour les grévistes
Journal de Québec K7JQ0627Noul 093 Aucune entente à l'horizon
Journal de Montréal K18JM0627Nou1305 Pas d'entente à l'horizon

Les habitudes de publication du groupe Québecor constituent ainsi un obstacle à

l'identification des caractéristiques distinctives de ses journaux.

Figure 5.17 Détail de la figure 5.14

[Link] Une question d'argent

Tous les clusters du Journal de Montréal ont au moins une connexion lorsque le seuil
est fixé à 0,6. Le cluster avec le moins de connexion est JM_43 (figure 5.17), qui en
possède une à 0,67 avec le Journal de Québec (JQ_2). Comme on peut le constater
dans la figure 5 .17, les deux journaux de Québecor sont connectés par plusieurs liens.
 323

Le langage spécifique de JM_ 43 met en valeur de termes qui apparaissent rarement

dans les autres clusters et, tout particulièrement, le mot« milliard », suivi par les mots
«budget», « million», « dépense», et autres (figure 5.18) .

service . 4ifte
f\1teli ¾ P,ette
00u~ . quebec ... .
11 •getsan'te_
U
étacf
·"
m 1 ·11·1a I U,.\. mf ot
..,~~$ nna-es
6~ 1._a \( .
v~..L. "\ pl> •ta.11.
e .1~ 1

• ¼TI t!
H~·~m• 10n -~~c;-:-,§
fra1lfra1sdepense_e~e.~
contribua~le
québécois

Figure 5.18 Nouage de mots les plus fréquents du cluster JM_43

Ce cluster présente surtout des articles qui traitent des questions financières (figure
5.18), où le gouvernement prend le rôle de sujet. Certains articles soulignent le
manque de ressources financières des universités, d'autres les propositions
d 'amélioration de la gestion des finances publiques. Dans ce dernier cas, les
propositions sont présentées comme des solutions pour éviter la hausse des droits de
scolarité. En ce sens, l' acteur amélioration de la gestion des finances publiques est
un adjuvant des programmes narratifs qui ont comme objet l'annulation de la
hausse.

Allons! Vous allez me faire croire qu'il n'y a pas 3 % de dépenses douteuses
dans ce ministère? Ou si vous voulez, 3 % de gains d'efficacité possibles?
Qu'on pense seulement aux commissions scolaires, qui gèrent près de 7
milliards $ par année. Et dont les parties de golf et les frasques dépensières se
poursuivent malgré les remontrances des politiciens. À lui seul, le service de la
dette de ces commissions scolaires coûte 650 millions $ par année!
(K43JM0316Vot0195)
 324

Je ne vise pas l'éducation en particulier. Au contraire! Si on gérait avec un peu

plus de rigueur, on pourrait probablement faire atterrir plus d'argent dans nos
écoles, là où sont les besoins. Mais regardez là, la pieuvre. Vous avez le choix.
Le réseau de la santé, avec ses cadres qui poussent comme des champignons,
coûte presque 30 milliards$! (K43JM0316Vot0195)

En fait, si on améliorait l'efficacité de l'État de 0,8 % seulement, on aurait le

500 millions$ pour les universités. (K43JM0316Vot0195)

Heureusement, certains sont plus allumés. Des leaders étudiants d'associations

universitaire (FEUQ) et collégiale (FECQ) proposent enfin de couper dans le
gras! Des compressions de 300 millions $ sur cinq ans dans la gestion des
universités, pour réinvestir l'argent dans la recherche et l'enseignement.
Notamment en gelant des fonds liés à l'informatique, aux communications ou
aux investissements immobiliers. En sabrant les budgets de gestion, et en
diminuant les salaires des recteurs universitaires. (Personnellement, je me serais
aussi attaqué à leurs pensions parfois scandaleuses, mais bon.). Le but : limiter
la hausse des droits de scolarité, tout en évitant d'accroître le fardeau fiscal des
Québécois. (K43JM0413Vot0444)

Dans ce contexte, différents acteurs ayant le rôle d' antisujet apparaissent et ce, en
relation avec les actions du sujet gouvernement. En général, la variété de ces acteurs
dépend du fait que le discours sur la hausse s'inscrit dans un débat plus large sur
l'amélioration de la gestion des finances publiques et qui prend en compte
différentes typologies de hausse, comme la hausse du prix de l'essence. Dès lors, les
antisujets ne sont pas seulement les étudiants mais aussi les contribuables, les
familles, etc.

Pour permettre au gouvernement d'atteindre son objectif de retour à l'équilibre

budgétaire comme prévu, en 2013-2014, les contribuables québécois devront
continuer à piger dans leurs poches. Un couple avec deux enfants ayant un
revenu familial de 75 000 $ devra débourser 900 $ de plus, cette année, et 1 100
$ l'an prochain. Cet effort comprend la contributfon santé du gouvernement
Charest, qui atteint 200 $, cette année, de même que la hausse de la taxe sur
l'essence et l'augmentation de la TVQ, qui est passée à 9,5 % le 1er janvier. Ce
calcul fait par le Conseil du trésor exclut bien sûr la hausse des droits de
scolarité. (K43JM0320Nou0227)
 325

La présidente de la Ligue des contribuables du Québec, Claire Joly, affirme

catégoriquement que le ministre des Finances, Raymond Bachand, a raté ses
propres cibles en matière de réduction des dépenses. Le gouvernement a
dépensé 3,6 milliards de plus que prévu. Le ministre s'était engagé
solennellement, on s'en souviendra, à ce que le gouvernement supporte 62 % de
l'effort pour revenir au déficit zéro. La Ligue des contribuables a fait ressortir à
la veille du dépôt du budget 2012-2013 qu'une famille dont le revenu est de 60
000 $ versera à l'État cette année 1 000 $ de plus qu'en 2009, seulement à
travers la hausse de la TVQ, celle de la taxe sur l'essence, ainsi que l'impôt
santé. (K43JM0320Vot0224)

Les contribuables n'en peuvent plus. Ils veulent que le gouvernement contrôle
mieux ses dépenses, réduise la bureaucratie, améliore la gestion dans l'appareil
gouvernemental. La croissance des dépenses a été de 5 . % par année en
moyenne depuis l'arrivée au pouvoir de ce gouvernement et la dette a plus que
doublé. (K43JM0320Vot0224)

C'est la faute à Bachand. Le gouvernement a un gros problème. Et pas

seulement avec les étudiants. Personne ne veut payer davantage. C'est vrai que,
pressés comme des citrons, les contribuables québécois donnent au fisc chaque
année beaucoup plus que tous leurs voisins, qu'ils soient en Ontario, au
Nouveau-Brunswick ou au Vermont... Selon le plus récent rapport annuel de
l'Agence du revenu du Québec, là où les plus « saines habitudes de vie » sont
gracieusement offertes aux fonctionnaires, les contribuables ont été soulagés de
80 milliards, l'an dernier, le quart de cette somme provenant uniquement de
l'impôt sur le revenu des particuliers. Collecter plus de 20 000 millions dans
une société où 40 % des gens ne gagnent pas 20 000 $ par année, voilà une
performance remarquable. Ce qui fait presque léviter le ministre des Finances,
Raymond Bachand. « L'Agence de revenu du Québec est l'une des plus
agressives », a-t-il fièrement signalé à l'Assemblée nationale, il y a quelques
jours. Seuls les fous l'applaudiront... Taxage. Impôts, taxes de vente ou sur
l'essence, taxes municipales et scolaires, permis, droits, franchise, frais,
cotisations, prélèvements, primes, surprimes ... Même le chien, comme le chat,
est taxé. Mais tout ça ne suffit pas. Les demandes affluent, les lobbys affamés
se multiplient et les défenseurs de nos droits « sociaux » en veulent toujours
plus ... Eh bien, la dette augmente ... Loin des regards (K43JM0602Nou1061)

On remarque également que cette macrostructure s'insère dans le programme narratif

du gouvernement qui a comme objet le déficit zéro puisque l'acteur amélioration
 326

de la gestion des finances publiques est un adjuvant. On remarque aussi que les
termes « milliard » et « million » deviennent plus fréquents :

Sans aucune marge de manœuvre, le gouvernement Charest a livré un budget

prudent et sans artifice, hier, saupoudrant quelques millions ici et là, afin de
revenir au déficit zéro l'an prochain. Le Québec est toujours dans le rouge.
Acculé au pied du mur, le ministre des Finances a déposé un budget de
consolidation. (K43JM0321Nou0237)

Après avoir réalisé un déficit de 3,3 milliards de dollars (500 millions de moins
que prévu), on anticipe un déficit de 1,5 milliard en 2012-2013. Les dépenses
continuent d'augmenter bien que leur croissance ait été réduite à 2 %, un taux
« historiquement bas ». Elles atteindront 70,9 milliards alors que l'État
engrangera des revenus de 69,4 milliards en 2012-2013. La dette brute a gonflé
de 10 milliards, atteignant aussi un niveau historique (183,7 milliards), soit 55
% du produit intérieur brut (PIB). Elle atteindra 191,7 milliards en 2013.
Électoralisme. Dans un tel contexte, Raymond Bachand s'est défendu de
présenter un budget électoraliste, soulignant qu'il ne contenait « que 200
millions de nouvelles mesures ». Vérification faite, l'impact total des mesures
annoncées atteint seulement 211,2 millions pour la prochaine année. En fait, ce
budget aura bien peu d'effet sur le contribuable moyen à court terme. Sans
sµrprise, M. Bachand n'a annoncé aucune « nouvelle » hausse de taxes ni
d'impôts (K43JM0321Nou0237)

Le lien entre ce cluster et JQ_2 illustre un phénomène particulier. Ce cluster est

similaire du point de vue sémantique et lexical à JQ_2 puisque leur valeur cosinus est
de 0,67. Toutefois, JQ_2 souligne d'autres éléments et les macrostructures ne
coïncident pas. Par exemple, le cluster du Journal de Québec présente la valeur
économique du diplôme ou le concept d'investissement scolaire pour justifier la
hausse, ce qui implique des macrostructures différentes de celles apparaissant dans
JM_43. Cependant, il existe également des clusters qui sont proches de JM_43 du
point de vue sémantique et qui structurent aussi leur contenu d'une manière similaire,
comme JQ_49, SO_ 6 et PR_ 17. Au contraire du cluster du Journal de Montréal, ces
clusters contiennent peu d'articles et n'ont pas été retenus pour la phase d'annotation.
Ceci indique que le Journal de Montréal dédie probablement plus d'espace que les
 327

autres journaux à la macrostructure présentée dans ce paragraphe, ce qui constitue

certainement une des pistes pour étudier les spécificités de ce quotidien.

5.2.3 Journal de Québec

En général, les considérations énoncées pour le Journal de Montréal valent aussi pour
le Journal de Québec. Toutefois, le Journal de Québec présente des clusters isolés
dans l'espace des 117 clusters (figure 5.19). Ces clusters sont au nombre de trois et ils
seront analysés dans les prochains paragraphes.

Figure 5.19 Détail de la figure 5.14. Les clusters JQ_4 et JQ_6 sont représentés à
gauche, le cluster JQ_ 14 à droite. La figure montre leur isolement

[Link] Quelle légitimité pour les syndicats?

Le premier cluster isolé qui sera analysé est JQ_4. Il est caractérisé par l'apparition
fréquente d'un acteur, le syndicat. En effet, le schéma lexical spécifique de ce cluster
se distingue par la présence du mot « syndicat » et d'autres termes faisant partie du
même champ sémantique comme« syndical»,« centrale» (Centrale des syndicats du
Québec), « CSQ », « CSN », « FTQ », etc. On observe les mots les plus fréquents à
l'aide de la technique de nuage de mots (figure 5.20.).
 328

L' annotation du cluster a identifié l' existence d'une macrostructure commune entre
les articles explicitant davantage le schéma lexical qui est à peine aperçu par la
distribution des mots les plus fréquents du cluster (figure 5.20). Le lecteur pourra
également trouver un certain nombre de stéréotypes qui reprennent les présupposés
culturels et politiques qui, historiquement, mettent en opposition la gauche et la droite.
Cette dernière partie politique, par exemple, considère les étudiants et les syndicats de
travailleurs comme des « profiteurs » du système économique. Ceci est plus évident
lorsqu' une crise sociale, comme celle du printemps érable, se déclenche. La gauche,
au contraire, défend le rôle des syndicats puisqu'ils sont une partie intégrante de la
vision « plus globale de la société » et non strictement économique.

qsec~YJ'?.ta ièiiét
.~ [Link]
fin [Link]è-o~ ·~ ,~ b .'e;;,zsi
1 ·t.,f§.
.ance,:Av-. "'~ f• ...,eh
Jeune :.:..,,.: . "'(e

csg parentse
cen
memtJre tra\ec.a~
..
assoc1at1on

Figure 5.20 Nouage de mots plus fréquents du cluster JQ_4

Cette macrostructure est caractérisée essentiellement par les acteurs : la centrale

syndicale CSQ et son président Rejean Parent, le syndicat CSN et son président
Louis Roy et le syndicat FTQ et son président Michel Arsenault. Ces acteurs
assument généralement le rôle d'adjuvants dans la phase de dialogue et de
négociation entre les étudiants et le gouvernement.
 329

Réjean Parent de la CSQ, Louis Roy de la CSN et Michel Arsenault de la FTQ

étaient tous trois présents, lors des négociations entre le gouvernement et les
associations étudiantes. (K04JQ0507Nou0601)

Les articles présentent fréquemment une critique envers les syndicats et mettent en
doute la légitimité de leur intervention dans le conflit étudiant. En d'autres termes,
certains articles contestent la légitimité d'une telle intervention dans les négociations
et donc leur rôle d'adjuvant. Cette configuration de la macrostructure est la plus
fréquente.

Pouvez-vous m'expliquer pourquoi les représentants de ces trois centrales

syndicales ont été invités à siéger sur une table de négociation destinée à
dénouer l'impasse de la crise étudiante? Pourquoi pas le Conseil du patronat?
L'Union des producteurs agricoles? Les filles d'Isabelle? Les Schriners? Qu'ont
en commun les syndicats de travailleurs et les associations étudiantes, sinon la
même affection pour la couleur rouge? Les étudiants NE SONT PAS des
travailleurs, leur boycott N'EST PAS une grève et leurs piquets NE SONT PAS
légaux. Combien de temps faudra-t-il le répéter, bon Dieu de bon sang?
(K50JM0507Nou0730)

Les raisons d'une telle opinion sont souvent basées sur le raisonnement que les
étudiants ne sont pas des travailleurs.

La CLASSE buissonnière. Les médias devraient cesser d'utiliser ce mot

« grève » dans le cas du conflit avec les étudiants. De plus, la CLASSE ne peut
contenir le terme « syndicat » dans son nom, car il ne s'agit que d'une
association étudiante, donc non reconnue comme « syndicat ». Elle ne peut
donc pas faire de grève mais un« boycott». (K04JQ0420Vot0409)

« DES INTRUS? Qu'est-ce que les présidents de la FTQ, de la CSN et de la

CSQ (Michel Arsenault, Louis Roy et Réjean Parent) faisaient autour de la
table de négo vendredi et samedi? Quand on sait que 78 % des dépenses dans
nos universités vonf à payer les salaires de leurs membres, voulaient-ils
s'assurer de ne pas faire leur part dans l'entente entre étudiants et
gouvernement? Au lieu de défendre l'intérêt de ceux qui étudient, les leaders
étudiants semblent avoir laissé le renard syndical s'occuper de leur poulailler.
 330

Le plus long conflit étudiant de l'histoire du Québec n'aura, dans ce sens, pas
été totalement inutile. Il aura permis aux tribunaux de démontrer que chaque
étudiant à le droit d'accéder à ses cours, peu importe ce que souhaitent les
syndicalistes - étudiants. » (K04JQ0507Vot0598)

Transparence souhaitée. [ ... ] Au moment où les appuis en argent sonnant des

grandes centrales syndicales aux mouvements étudiants soulèvent la
controverse, un député conservateur envisage de forcer les organisations à
divulguer l'utilisation qu'ils font des cotisations de leurs membres.
(K04JQ0517Vot0729)

La crise expliquée aux enfants. [... ] « Peux-tu m'expliquer?» Bien sûr, fiston.
LE CLUB DE MICKEY. Commençons par le début. Il y a quelques mois, la
ministre du Travail a confronté les syndicats et tenté de les mettre à leur place ...
« C'est quoi, un syndicat?». C'est une association. Avant, cette association
défendait les droits des travailleurs qui étaient exploités par des patrons sans
scrupule. Mais avec le temps, les syndicats ont grossi et sont devenus des
corporations qui n'ont qu'une obsession : étendre leur influence et augmenter
leur part de marché en vendant le plus de cartes poss~ble. Tu comprends?
« Comme le club de Mickey? ». Exactement. Plus il y a de gens qui joignent le
club, plus le club est fort et a du pouvoir. (K04JQ0521Nou0785)

« Les banquiers. Il y a quelques semaines, j'écrivais que les syndicats se

servaient de la « cause étudiante » pour régler leurs comptes avec le
gouvernement. Ils n'ont pas digéré le fait que le gouvernement veuille abolir le
placement syndical dans le milieu de la construction, disais-je, et ils ont décidé
d'envoyer les jeunes au front pour mener leur bataille et déstabiliser leur
adversaire. (K04JQ0607Nou0954)

Le conflit étudiant au coeur des priorités. CHARGEMENT DE GARDE À LA

CSQ. La Centrale des syndicats du Québec (CSQ) fera tout pour se faire
entendre aux prochaines élections et ne nie pas qu'elle pourrait appuyer les
étudiants dans leurs actions pour faire tomber le gouvernement. Questionnée au
sujet de l'appui que la CSQ offrira au mouvement étudiant dans ses démarches
pour déloger le gouvernement, la présidente fraîchement élue, Louise Chabot, a
confirmé ses intentions de soutenir les étudiants. (K4JQ0630Noul 103)

La plupart des articles qui ont été annotés possèdent un correspondant dans le Journal
de Montréal. Plusieurs articles ont été publiés sous des titres différents, comme pour
 331

K04JQ0630Noul103 (« Le conflit étudiant au cœur des priorités») et

K06JM0630Nou1315 (« La CSQ compte bien appuyer les étudiants»), mais ils
partagent souvent plus du 80% du contenu. La seule différence significative entre les
deux journaux du groupe Québecor est qu'aucun des clusters regroupant ces articles
s'est formé pour Le Journal de Montréal. Ces articles sont éparpillés dans différents
clusters, comme dans JM_6, JM_50, JM_3, et restent loin du centroïde qui définit le
cluster. L'absence de ce cluster constitue une piste de recherche pour identifier les
différences entre les deux journaux du groupe Québecor.

[Link] Le combat de Proulx et Morasse

À partir des 117 clusters retenus dans la phase d'annotation, un deuxième clus_ter du
Journal de Québec se démarque, soit JQ_14 (figure 5.21). Ce cluster présente
l'histoire de deux étudiants de l'Université Laval, Jean-François Morasse et
Laurent Proulx, qui ont mené un combat juridique pour obtenir le retour en classe
dans leurs cours respectifs. Dans le contexte du boycottage de cours pratiqué par les
étudiants, ces deux acteurs se sont battus pour forcer les tribunaux à obliger les
professeurs et les étudiants à retourner en classe.
 332

JC, .
o~ *
. . . .. '-.'anthro~ologie
• o\te \te

t\am it ravale
?io"'s~ (; . ?);tenfr'aft"\i.
5
(e\iniversité
nrou
~ ' . Zf'-<
~
c;0
courX~

!l'r.. • t • }Etè~
J8i2,
art P.last1que
tribut!~ IQ!l-dubois
jean-françoirsse

Figure 5.21 Nouage de mots plus fréquents du cluster JQ_14

Laurent Proulx gagne une manche. INJONCTION ACCORDÉE. Après avoir

remporté une bataille en Cour supérieure, l'étudiant Laurent Proulx a eu droit à
un débat enflammé de deux heures trente, où la majorité des participants
n'étaient pas de son avis, hier, lors de son cours d'anthropologie à l'Université
Laval. Suite à sa victoire personnelle contre sept avocats, l'étudiant de 24 ans
s'est présenté une quinzaine de minutes avant l'heure prévue.
(Kl 4JQ0404Nou0291)

Inspiré par Laurent Proulx. GRÈVE ÉTUDIANTE -- INJONCTION. Un autre

étudiant de l'Université Laval, exaspéré par la grève, demandera une injonction
pour obtenir le libre accès à ses cours, ce matin, au palais de justice. Jean-
François Morasse, 25 ans, plaidera sa cause seul, en même temps que celle de
Laurent Proulx, qui souhaite continuer d'assister à son cours sans obstacle. Le
jeune homme veut terminer un certificat en arts plastiques pour débuter un
baccalauréat de design graphique en septembre prochain. Sa requête est
identique à celle de son confrère. (Kl 4JQ0412Nou0352)

Accès aux cours pour Proulx et Morasse. INJONCTIONS. Jean-François

Morasse pourra aller à ses cours d'arts plastiques à l'Université Laval, après
avoir obtenu une injonction du tribunal, tout comme Laurent Proulx qui a vu la
sienne reconduite. C'est dans une salle bondée d'étudiants, au palais de justice
de Québec, que Jean-François Morasse, 25 ans, s'est présenté seul devant le
tribunal afin de faire valoir ses droits. (K14JQ0413Nou0364)
 333

Laurent Proulx règle à l'amiable. INJONCTION CONTRE L'UL. Laurent

Proulx, cet étudiant de l'Université Laval qui avait réussi à obtenir une
injonction provisoire à deux reprises pour lui permettre d'accéder à son cours
d'anthropologie, a réglé à l'amiable hier son litige. Alors qu'il devait revenir
devant les tribunaux lundi, Laurent Proulx s'est finalement désisté de la
demande d'injonction contre l'Université Laval, la Confédération des
associations d'étudiants et d'étudiantes (CADEUL) et les associations des
étudiants en anthropologie et en sciences sociales. (Kl4JQ0421Nou0425)

Injonction reconduite. UNIVERSITÉ LAV AL. Après un débat d'une journée,

l'injonction provisoire permettant à l'étudiant en arts plastiques Jean-François
Morasse d'aller à ses cours à l'Université Laval, a été reconduite jusqu'au 4 mai.
Le juge Jean-François Émond, de la Cour supérieure, a reconduit la demande
d'injonction provisoire et se prononcera vendredi prochain sur une ordonnance
de sauvegarde afin d'éviter aux différentes parties d'avoir à revenir devant le
tribunal tous les dix jours. Jean-François Morasse a l'intention de se faire
entendre sur le fond de cette affaire afin que les étudiants puissent avoir libre
accès à leurs cours si un autre conflit devait à nouveau perturber le déroulement
d'une session. « Ça soulève beaucoup de questions quant aux droits des
individus et des regroupements et je trouve que c'est important d'aller au fond
des choses », a-t-il mentionné. Nouvelle association. Quant à Laurent Proulx,
cet autre étudiant de l'Université Laval qui a obtenu une injonction de la Cour
supérieure cet hiver, il a l'intention de lancer une nouvelle association étudiante.
« Le mandat qu'on se donnerait est le libre accès aux cours et que les étudiants
puissent recevoir les services pour lesquels ils ont défrayé les coûts. »
(Kl 4JQ0427Nou04 79)

L'histoire racontée par ce cluster se termine avec la phase d'évaluation des actions de
ces étudiants. Laurent Proulx abandonne son cours alors que François Morasse
réussit à terminer sa scolarité. Ces deux étudiants sont des symboles. Ils représentent
les étudiants qui sont lésés par les événements.

Laurent Proulx décroche. AGENCE QMI -- Après avoir obtenu une injonction
et avoir réclamé haut et fort la liberté de pouvoir étudier malgré la grève
étudiante, Laurent Proulx a finalement abandonné le cours d'anthropologie qu'il
suivait à l'Université Laval. [... ] Jean-François Morasse, qui a lui aussi eu
recours aux tribunaux, pour empêcher les grévistes de bloquer l'accès à ses
cours, a pour sa part terminé sa session.« J'ai reçu mes notes. Je passe dans tous
mes cours», a-t-il confié. Malgré la tourmente des derniers mois, l'étudiant a
 334

réussi à terminer les six derniers cours qui lui manquait pour obtenir un
certificat en arts plastiques. (Kl4JQ0609Nou0971)

Ce cluster n'est pas le seul à avoir traité des événements qui impliquent ces étudiants.
En effet, l'autre journal situé dans la ville de Québec, Le Soleil, présente un cluster
similaire. Ces deux journaux ont discuté très souvent de cette question, avec SO_26
qui contient 21 articles et JQ_l4 qui en contient 18. Le Soleil toutefois présente deux
clusters séparés, un pour l'histoire de Morasse (SO_27) et l'autre pour Proulx
(SO_26). Les clusters du Soleil ne font pas parti du tiers retenu dans la phase
d'annotation.

5.2.3 .3 La saison touristique de Montréal en péril

Le dernier cluster qui caractérise le Journal de Québec est JQ_6 (figure 5.22). Ce
cluster compte 25 articles traitant des actions accomplies par les étudiants en lien
avec les grands événements de l'été montréalais, soit le grand prix de Fl et les
festivals. En effet, les associations étudiantes et d'autres organisations de
manifestants ont utilisé ces événements comme vitrine privilégiée pour protester
contre la hausse des frais de scolarité. La fréquence des mots (figure 5.22) montre
que le champ lexical le plus fréquent est lié aux spectacles et aux événements qui
caractérisent l'été montréalais, comme le Festival Juste pour Rire, le Grand Prix de
Formule 1 et d'autres.
 335

o~:~e~ e canada

_rir.e~O .,-~ gllbert

.
~Ull)Ont1er

f.e .r1x~
JUm\.~ .vA · . faire ,,
•:'l\.'a.c
il

t. JUSte *"•'1%1.
't&

, eeagevme Ili.a
·
. 1 e it_:_t...,· ",*.·:·.
%1)
jK
ru
.

evene,ment

Figure 5.22 Nouage de mots plus fréquents du cluster JQ_6

Un élément qui est mis en valeur par ce cluster est le concept de perturbation, qui
est utilisé par les étudiants comme adjuvant. En effet, la stratégie utilisée pour
profiter de la vitrine médiatique se base sur la perturbation des spectacles. Dans ce
contexte, l'ordre socio-économique est perçu comme une valeur supérieure à la
justice sociale.

Des étudiants songent à perturber. COURSE AUTOMOBILE -- GRAND PRIX

DE MONTRÉAL. MONTRÉAL - MONTRÉAL -- (Agence QMI) Des
étudiants envisageraient de perturber les activités du Grand Prix de formule 1
de Montréal. (K06JQ0511 Spo0654)

Un autre élément très présent dans ce cluster est le programme narratif des présidents
des festivals ou du ministre du Tourisme. Ces acteurs interviennent fréquemment
dans l'espace public pour limiter les dommages potentiels de perturbation des
festivals sur la saison touristique de Montréal :

Nicole Ménard préoccupée. CONFLIT ÉTUDIANT -- IMPACT SUR LE

TOURISME et Jean-Luc Lavallée. La ministre du Tourisme, Nicole Ménard,
s'inquiète du possible impact négatif des manifestations étudiantes sur la
 336

prochaine saison touristique à Montréal. « C'est très préoccupant, je l'avoue », a

indiqué, hier, la ministre, questionnée sur les effets possibles de la diffusion
d'images de confrontations entre policiers et manifestants étudiants partout dans
le monde. Craignant que les touristes hésitent à se rendre dans la métropole en
raison de cette image de désordre, Mme Ménard soutient qu'elle est en contact
constant avec Tourisme Montréal. (K06JQ0517Nou0722)

Plein son casque. Ce matin, j'ai une pensée pour tous les commerçants de
Montréal. Plusieurs hôtels du centre-ville, habituellement en demande quand se
pointe le cirque de la formule 1, ont encore beaucoup de chambres libres. Ça
peut être dû à une foule de facteurs. Pas seulement aux scènes d'affrontements
entre policiers et manifestants qu'on voit dans les médias, ici et ailleurs. Mais en
ce début d'été, les organisateurs de festivals commencent à s'inquiéter.
(K06JQ0530Vot0873)

Dans ce cluster, les événements qui touchent le grand prix de Fl et le festival Juste
pour Rire sont les plus nombreux. Gilbert Rozon, le président du festival Juste pour
Rire, devient un des acteurs principaux de cette macrostructure. Afin de minimiser les
perturbations sur le festival, M. Rozon s'implique en personne pour négocier avec les
étudiants:

Dumontier se fait rassurant. GRAND PRIX DU CANADA. MONTRÉAL -

MONTRÉAL -- (Agence QMI)·L'organisation du Grand Prix de Formule 1 de
Montréal se veut rassurante malgré les rumeurs de possibles perturbations liées
au conflit étudiant. « Le Grand Prix du Canada dispose d'un plan complet visant
à assurer en tout temps le confort et la sécurité des participants et des
spectateurs. Quelles que soient les circonstances, notre objectif demeure
toujours le même : offrir à chacun de ces groupes un événement plaisant et de
grande qualité », a indiqué hier par communiqué François Dumontier.
(K06JQ0602Spo0899)

Rozon parlera aux étudiants. Le Festival Juste pour Rire pâtit des
manifestations. Le grand manitou du Festival Juste pour Rire Gilbert Rozon
rencontrera les leaders des quatre associations étudiantes en début de semaine
afin de les inciter à ne pas perturber les nombreux festivals cet été à Montréal.
(K06JQ0603Nou0910)
 337

L' antisujet le plus récurrent de Rozon est l'association la CLASSE laquelle, comme
pour les négociations avec le gouvernement, est exclue des rencontres entre Rozon et
les autres associations étudiantes. La réaction de cette association rendra plus difficile
la poursuite des discussions :

ta Coalition n'a pas reçu d'invitation de Rozon. Si l'homme d'affaires Gilbert

Rozon rencontre les leaders étudiants aujourd'hui ou demain pour « faire appel
à leur gros bon sens » et rétablir une « paix sociale » cet été au Québec, ce sera
sans la CLASSE. Réunie en congrès à Valleyfield, hier, la Coalition large de
l'Association pour une solidarité syndicale étudiante (CLASSE) dit ne pas avoir
été approchée par l'entourage de M. Rozon. (K06JQ0604Nou0925)

« Face à face cordial. Gilbert Rozon rencontre les étudiants. MONTRÉAL -

MONTRÉAL -- Les leaders étudiants ont tenu à rassurer Gilbert Rozon, les
dirigeants de grands événements et la population lors d'une rencontre
«cordiale» qui a eu lieu hier après-midi.« Ç'a été une rencontre très positive et
respectueuse», a déclaré le grand patron de Juste pour rire, qui est resté discret
quant aux détails de cette réunion qui s'est déroulée en présence de Paul-Émile
Auger (TACEQ), Martine Desjardins (FEUQ) et Éliane Laberge (FECQ).
« L'idée, c'était de mettre cartes sur table. Nous avons voulu exprimer notre
mécontentement par rapport aux différentes sorties publiques qui ont été faites,
mais nous voulions aussi examiner ses demandes, a déclaré Martine Desjardins.
Nous l'avions déjà fait dans les médias, mais de le faire en étant face à face,
c'était beaucoup plus intéressant. Ça aurait dû être fait avant. ».
(K06JQ0605Spe0928)

« Pas de spectacle-bénéfice pour les étudiants. JUSTE POUR RIRE. Le Festival

Juste pour rire ne présentera aucun spectacle-bénéfice au profit des associations
étudiantes. Au lendemain de son rendez-vous avec les leaders étudiants, Gilbert
Rozon tient à rectifier certains faits publiés dans les pages du quotidien
montréalais La Presse. « Mes sœurs ont décidé, avec d'autres producteurs,
qu'elles allaient présenter un spectacle. Par contre, ce spectacle ne sera pas
offert dans le cadre de Juste pour rire, a déclaré Gilbert Rozon lorsque joint par
le Journal, hier avant-midi. Juste pour rire n'organise pas de spectacle-bénéfice
pour l'une ou l'autre des parties. ». Luce et Lucie Rozon, qui évoluent toutes les
deux au sein de la division Juste pour rire scène, se sont associées à Daniel
Thibault, qui a notamment coécrit les deux saisons de la série Mirador, afin de
mettre sur pied cet événement humoristique présenté par la Coalition des
humoristes indignés. » (K06JQ0606Spe0942)
 338

Dans les autres journaux, il existe des clusters qui ressemblent à JQ_6 (figure 5.22),
par exemple JM_30, JM_41 (Le Journal de Montréal), PR_20, PR_22 (La Presse),
So_29 (Le Soleil) et ME_4 (Métro). Toutefois, la majorité d'entre eux n'ont pas été
retenus dans la phase d'annotation à cause de leur taille.

5.2.4 La Presse

Dans l'espace des 117 clusters annotés, le journal La Presse ne présente aucun cluster
isolé. Les clusters « les plus isolés » ont une seule connexion. Parmi ceux-ci (figure
5.23), le cluster PR 41 se démarque des autres puisqu'il fait partie d'une paire isolée
de clusters, laquelle, de plus, est composée de journaux du même groupe. En effet, le
cluster qui l'accompagne SO_51, appartient au journal Le Soleil. Les autres clusters,
PR_21, PR_23 et PR_29, sont tous connectés à de plus grands groupes de clusters.

Comme dans le cas du groupe Québecor, les deux journaux du groupe Power
Corporation, La Presse et Le Soleil, sont souvent connectés entre eux, car ces clusters
sont souvent très similaires. Pour des raisons de simplicité et de lisibilité, nous nous
limitons à analyser la paire de clusters composée de PR_41 et SO_ 51.
 -- - --

339

\'i,0_5

a b

C d
Figure 5.23 Détails de la figure 5.14. Les clusters PR_41 (a), PR_21 (b), PR_23 (c) et
PR_29 (d) sont représentés

[Link] Khadir, sa fille et les arrestations

Le groupe de clusters composé par PR_41 et S0_51 (figure 5.23) fait état des
événements dans lesquels le député du parti Québec Solidaire, Amir Khadir, et sa
fille Yalda Machouf-Khadir ont été impliqués. Si on tient compte seulement de
l'espace des 117 clusters annotés, ces deux clusters sont relativement uniques. Un
élément supplémentaire pouvant contribuer à l' interprétation de ce cluster émerge
lorsqu'on élargit l'analyse des similarités. En effet, on peut observer que le langage
utilisé dans ces clusters est similaire à celui des clusters traitant des manifestations
étudiantes, des affrontements entre les étudiants et la police et des différentes
 340

manifestations violentes caractérisées par des arrestations de masse, par exemple

DE_27, PR_lO et SO_8.

Dans ces clusters, les acteurs principaux tiennent la première place mais dans des
structures narratives différentes. Aussi, la fille du député, Yalda Machouf-Khadir
apparaît souvent comme sujet passif, qui subit l'action d'être arrêtée ou privée de sa
liberté. De plus, dans la majorité des articles, la « valeur de l'information »
(newsworthiness) des évènements qui la concerne dépend surtout du fait qu'elle est la
fille d'un député.

Des conditions sévères pour les accusés. Blocage du pont Jacques-Cartier. Les
manifestants arrêtés mardi pour avoir bloqué le pont Jacques-Cartier ont dû
s'engager à respecter de sévères conditions avant d'être mis en liberté hier. [... ]
Certains accusés ont demandé des exceptions pour éviter de se trouver en
violation de conditions lorsqu'ils retourneront à leurs cours à l'UQAM et au
cégep du Vieux Montréal, ou lorsqu'ils iront à la Grande Bibliothèque, près du
parc.[ ... ] Quelques accusés ont obtenu des exceptions pour pouvoir fréquenter
un colocataire ou un ami de coeur. C'est le cas de Yalda Machouf-Khadir, fille
du député de Québec solidaire, Amir Khadir. Les jeunes adultes de 18 à 23 ans
font face à des accusations de complot, d'entrave au travail des policiers et de
méfait de plus de 5000 $ pour avoir empêché l'usage du pont Jacques-Cartier
lors d'une manifestation matinale. (K41 PR0517Act0892)

« DES EMPLOYÉS DU GRAND PRIX VISÉS. LA CRISE ÉTUDIANTE - À

L'HEURE DU GRAND PRIX. À l'aube des festivités de la Formule 1, le
Service de police de la Ville de Montréal (SPVM) a procédé à une rafle chez les
militants étudiants, hier. Des agents ont perquisitionné chez le député Amir
Khadir, dont la fille a été arrêtée. Malgré les critiques qui s'élèvent, les autorités
tenteront sous peu d'arrêter d'autres contestataires après avoir découvert que
certains d'entre eux occupaient des emplois temporaires au Grand Prix de
Montréal, a appris La Presse. » (K41PR0608Act1208)

Le week-end derrière les barreaux. CRISE ÉTUDIANTE À L'HEURE DU

GRAND PRIX. Les militants étudiants arrêtés jeudi, dont Yalda Machouf-
Khadir, font face à une pléthore d'accusations. Quatre des personnes arrêtées
lors de la rafle de jeudi dans les milieux militants passeront le week-end·
 341

derrière les barreaux. C'est le cas de la fille du député Amir Khadir, Yalda
Machouf-Khadir, qui fait face à une multitude de nouvelles accusations liées à
la crise étudiante. Selon le cas, les suspects arrêtés dans l'opération policière ont
comparu hier en lien avec le saccage du bureau de l'ex-ministre Line
Beauchamp le 12 avril, le grabuge à l'Université de Montréal le 13 avril ou un
épisode de voies de fait contre une photographe du Journal de Montréal le 22
mai. La seule personne qui a été accusée pour tous ces événements à la fois est
Yalda Machouf-Khadir, 19 ans. Elle fait face à 11 accusations, dont
introduction par effraction, complot, méfait de moins de 5000 $, déguisement
dans le but de commettre un crime, voies de fait contre un agent de la paix,
voies de fait contre une photographe, vol de moins de 5000 $ et méfait de plus
de 5000 $. (K41PR0609Actl229)

La fille du député de Québec solidaire, Amir Khadir, accusée en lien avec des
manifestations survenues lors des dernières semaines à Montréal, passera la fin
de semaine derrière les barreaux. Yalda Machouf-Khadir fait face à 11 chefs
d'accusation reliés à divers événements. La Couronne s'est opposée à sa
libération et à celle de trois des quatre autres personnes également arrêtées pour
les mêmes motifs. Les audiences de libération sous caution doivent avoir lieu
lundi. (K51SO0609Actl 124)

De son côté, le député Khadir s'exprime sur les événements qui concernent sa fille.
Dans ce cadre, il assume souvent le rôle d'adjuvant ou d'adjuvant passif. En effet,
l' antisujet du programme narratif dans lequel sa fille est impliquée comme sujet,
c'est-à-dire la police, est nommé à plusieurs reprises par Kadir lui-même pendant ses
interventions publiques, et d'une manière qui renforce son rôle d'adjuvant :

« Ma fille assumera ses responsabilités». LA CRISE ÉTUDIANTE - À

L'HEURE DU GRAND PRIX. Amir Khadir a réagi à l'arrestation de sa fille
Yalda hier matin, blâmant les policiers au passage. QUÉBEC - Le député de
Québec solidaire, Amir Khadir, se dit «choqué» par les « brusqueries » des
policiers du Service de police de la Ville de Montréal (SPVM) qui ont arrêté sa
fille Yalda au domicile familial, hier matin. (K41PR0608Actl216)

« Ma fille assumera ses responsabilités », a déclaré, hier, le cochef de Québec

solidaire, quelques heures après l'arrestation de Yalda Machouf-Khadir, i9 ans,
par la police de Montréal. Elle est suspectée d'avoir participé à des méfaits à
l'occasion du conflit étudiant, devenu conflit social au fil des semaines. Sans se
 342

prononcer sur ce qui est reproché à sa fille, dont il ignore les détails, Amir
Khadir se dit convaincu qu'elle a agi pour le « bien commun ». Il rappelle
qu'elle est présumée innocente. »(K51SO0608Actl 102)

Khadir déplore la réaction des policiers. Amir Khadir dénonce l'utilisation de

gaz lacrymogènes contre les manifestants, jeudi, et s'interroge sur une
« commande politique » à l'intervention policière. Il verse dans la « théorie du
complot», selon la ministre Line Beauchamp. (K51SO0303Act0110)

Une militante « radicale, masquée et impliquée». Yalda Machouf Kadhir est

une leader dans le mouvement radical étudiant. Vêtue de noir, le visage
masqué, elle a participé aux manifestations qui ont tourné en saccages à
l'Université de Montréal, au cégep du Vieux Montréal, ainsi qu'au bureau de
l'ex-ministre de !'Éducation Line Beauchamp, plus tôt au printemps. Ses
empreintes ont été relevées sur une porte qui a été forcée dans le bureau de
Mme Beauchamp. C'est notamment ce qui ressort de l'enquête sous
cautionnement de Mme Khadir, qui s'est tenue hier après-midi .à Montréal.
Après cinq jours de détention, la jeune femme de 19 ans est entrée dans le box
avec le sourire. Son père, le député Arnir Khadir, sa mère, l'épidémiologiste
Nima Machouf, ainsi que plusieurs supporteurs arborant le carré rouge ont
assisté à l'audience, qui se tenait devant la juge Hélène Morin. Celle-ci
[Link] ce matin si la jeune Kadhir, de même qu'un autre manifestant actif,
Zachary Daoust, recouvreront la liberté. Le jeune homme, sans emploi depuis
juin 2011, n'avait pas les 1000 $ nécessaires pour assurer son cautionnement.
(K41PR0612Actl258)

Le journal Le Soleil (SO_51) présente quelques différences par rapport au cluster

PR_41 (figure 5.23). En effet, dans SO_51, la majorité des articles met en valeur
l'acteur Amir Khadir, situé dans le même contexte que celui de sa fille, c'est-à-dire
l'arrestation. En effet, le député subit également l'action de se faire arrêter par la
police pour des raisons liées aux manifestations étudiantes. Dans certains articles, le
ton devient très accusateur à son égard, ce que nous n'avons pas observé dans ·La
Presse:

Gandhi, King puis ... Mandela. Khadir arrêté. Régis Labeaume s'est moqué des
propos tenus par le député Amir Khadir, hier. « J'ai été bien impressionné de
voir Amir Khadir se comparer à Gandhi et à Martin Luther King. Je me disais
 343

que s'il avait fait cinq minutes de prison hier, probablement qu'il aurait ajouté
qu'il se prenait pour Nelson Mandela>>, a-t-il lancé depuis New York [ ... ]
L'arrestation du député de Québec solidaire (QS), lors d'une manifestation jugée
illégale, mardi soir, n'émeut pas le maire de Québec. [... ] « Gouvernement
corrompu». Le député de QS a commenté son arrestation hier matin. « Je
regrette quand même qu'il y ait des ordres, des commandes en haut de ces
policiers qui se laissent instrumentaliser par un gouvernement corrompu», a-t-il
dénoncé. (K51 SO0607Actl 090)

Excès de zèle. Le député Amir Khadir a participé à une manifestation qu'il

savait « illégale » cette semaine à Québec. Ce qui lui a valu les menottes. Et les
remontrances de ses adversaires politiques. Vrai que M. Khadir aurait dû,
comme élu siégeant à l'Assemblée nationale, s'abstenir de prendre part à une
manifestation illégale. (K51 SO0609Édi 1120)

Tous ces événements sont traversés par les dichotomies légal/illégal et

légitime/illégitime. Le débat entre les actions des étudiants potentiellement illégales
mais considérées légitimes par les acteurs et leurs adjuvants constitue une dimension
latente de ce cluster. En raisons du rôle politique (député pour QS) de l'acteur
principale de ce cluster, soit Amir Khadir, les évènements qui concernent sa famille
sont le symbole de cette situation de tension entre visions et valeurs opposées.

5.2.5 Le Soleil

Dans l'espace des 117 clusters, le journal Le Soleil ne présente aucun cluster isolé.
Toutefois, on observe un seul cluster (SO_51) avec une connexion et deux clusters
avec deux connexions (SO_19 et SO_28) (figure 5.24). Le premier a déjà été traité au
le paragraphe [Link]. Dans le prochain paragraphe, nous analyserons un des deux
clusters avec deux connexions et plus particulièrement, celui qui ne possède que de
connexions avec le journal La Presse, qui fait partie du même groupe, soit Power
Corporation.
 344

Le cluster SO_ 19 possède deux connexions et toutes les deux avec le journal La
Presse (PR_47 et PR_23). L' autre cluster avec deux connexions, c'est-à-dire SO_29,
est relié à des journaux n' appartenant pas au groupe Power Corporation (DE_18 et
JM_18) (figure 5.24).

Figure 5 .24 Détail de la figure 5 .14. Les clusters SO_ 19 et SO_ 28 sont représentés
avec leurs connexions.

[Link] La population et les sondages

Les clusters SO _ 19 et PR_23 traitent d'un des moyens utilisés par la presse pour
sonder l'opinion publique, le sondage. Ces articles illustrent ainsi la vision des
électeurs québécois face à la crise étudiante. En général, les articles soulignent la
présence d'un acteur spécifique, soit l' acteur population, lequel regroupe le plus
souvent plusieurs autres sous-catégories d' acteurs. De plus, les opinions et les actions
que ces acteurs accomplissent en relation avec la grève étudiante sont un sujet des
articles.
 345

Dans certains cas, la population est présentée sous la forme de famille et assume le
rôle d'adjuvant du programme narratif principal des étudiants qui luttent contre la
hausse:

Les familles en appui. Des centaines de citoyens dans les rues de Québec pour
supporter les étudiants. 3. Des familles et des gens de toutes les générations
sont descendus dans les rues de Québec hier pour appuyer les étudiants et
dénoncer les hausses des droits de scolarité du gouvernement de Jean Charest.
(K19SO0319Act0189)

D'autres articles soulignent, au contraire, le rôle d'opposant de l'acteur population:

La population lasse de la crise. Mobilisation étudiante. Au lendemain de la

grande manifestation contre la hausse des droits de scolarité, la population
presse les étudiants et le gouvernement d'en finir avec la crise. Un sondage
CROP commandé par la Fédération étudiante collégiale du Québec (FECQ)
révèle que 78 % des répondants se disent favorables à ce que les étudiants et le
gouvernement négocient pour mettre fin aux manifestations étudiantes.
(Kl 9SO0323Act0224)

Québec et les étudiants priés de s'entendre. Sondage. Au lendemain de la

grande manifestation contre la hausse des droits de scolarité, la population
presse les étudiants et le gouvernement d'en finir avec la crise. Un sondage
CROP commandé par la Fédération étudiante collégiale du Québec (FECQ)
révèle que les trois quarts des répondants se disent favorables à ce que les
étudiants et le gouvernement négocient pour mettre fin aux manifestations
étudiantes. (K23PR0323Act0276)

Les Québécois appuient la haÙsse. Sondage CROP-Le Soleil-La Presse. Malgré

la manifestation monstre, les coups d'éclat et la profusion de carrés rouges, les
étudiants sont en train de perdre la bataille de l'opinion publique sur la hausse
des droits de scolarité. Les Québécois souhaitent toutefois que le gouvernement
négocie avec eux. (Kl 9 SO0331Act0290)

L'appui aux étudiants s'effrite. Exclusif SONDAGE CROP / LA PRESSE.

Davantage de Québécois épousent la position gouvernementale. Après 12
semaines de conflit avec les étudiants, le gouvernement gagne des points auprès
 346

des Québécois sur la question de la hausse des droits de scolarité, révèle un

sondage CROP réalisé à la demande de La Presse. (K23PR0504Act0692)

Toutefois, les résultats des sondages constituent le véritable centre d'agrégation qui
forme cette macrostructure. Ils assument le rôle d'adjuvant ou d'opposant dans les
programmes narratifs des deux principaux acteurs du corpus, c'est-à-dire le
gouvernement et les étudiants. Dans certains cas, les sondages révèlent les
intentions de vote des électeurs. Souvent, elles sont perçues par les spécialistes
comme un produit des actions d'opposition au mouvement étudiant de la part du
gouvernement :

Sondage CROP-Le Soleil-La Presse. La crise étudiante profite à Jean Charest.

Le chef libéral devance un peu plus la péquiste Pauline Marois et le caquiste
François Legault. Son gouvernement est légèrement moins impopulaire. Une
«fenêtre» électorale s'entrouvre. Le coup de sonde de la firme CROP, conduit
à la veille du conseil général que tiendra à Victoriaville le Parti libéral du
Québec, révèle qu'il y à du mouvement dans l'opinion publique, favorable à la
formation du premier ministre. Si un scrutin avait eu lieu les 2 et 3 mai, le Parti
libéral du Québec (PLQ) aurait obtenu 31 % des voix. (Kl 9SO0504Act0605)

Cent jours de grève sans départager les partis. SONDAGE CROP - LE SOLEIL
- LA PRESSE. La grève étudiante de plus de 100 jours n'a pas départagé les
belligérants de la prochaine campagne électorale. Les libéraux de Jean Charest
sont très légèrement en avance, en chiffres absolus, sur les péquistes de Pauline
Marois. La Coalition avenir Québec (CAQ) de François Legault n'est pas
décomptée. (Kl 9SO0526Act0930)

D'autres sondages se concentrent plutôt sur l'appui ou le non-appui des électeurs à la

grève étu~iante :

La majorité rangée derrière Charest. SONDAGE CROP - LE SOLEIL - LA

PRESSE. Les carrés verts, favorables à la hausse des droits de scolarité, ont
gagné la bataille de l'opinion publique selon un sondage CROP-Le Soleil-La.
Presse dont 68 % des répondants se sont rangés derrière la position du
gouvernement et seulement 32 % derrière celle des associations étudiantes qui
 347

réclament un gel des droits de scolarité. Le sondage révèle également que 66 %

des Québécois sont pour la loi spéciale annoncée par le gouvernement Charest.
(K19SO0519Act0821)

Mot d'ordre: négociez! SONDAGE CROP - LE SOLEIL - LA PRESSE. Les

Québécois appuient les dispositions de la loi spéciale pour casser le mouvement
de grève étudiante. Mais ils jugent que la législation ne règle rien, qu'elle est
contraire aux droits et libertés. Négociez avec les jeunes, ordonnent-ils au
gouvernement. Un coup de sonde, conduit par CROP du 22 au 25 mai auprès de
1500 personnes, révèle d'apparentes contradictions dans l'humeur des citoyens.

Un élément qui apparaît plus fréquemment, est le rôle d'acfjuvant de l'opinion des
électeurs (communiquée au moyen des sondages) pour le programme narratif ayant
comme objet le thème des négociations. Aussi, les sondages révèlent la volonté de la
population de résoudre la crise par le moyen de la négociation :

Pour la hausse ... et la négociation. SONDAGE CROP-LA PRESSE GRÈVE

ÉTUDIANTE. Les Québécois ont des opinions polarisées sur la grève
étudiante, mais ils refusent d'accorder leur appui total à un camp ou à l'autre. Si
la majorité est favorable à une hausse des droits de scolarité, ils sont tout aussi
nombreux à demander au gouvernement de mettre de l'eau dans son vin par le
truchement de la négociation. (K23PR0331Act0336)

Un autre élément récurrent est, selon les sondages du groupe Power Corporation,
l'appui des électeurs au projet de loi 78, c'est-à-dire à la loi spéciale, ce qui se
transforme souvent en un appui au travail de la police :

Le travail des policiers salué. LOI SPÉCIALE SONDAGE CROP-LA

PRESSE. Bouleversés par ce qu'ils voient aux bulletins d'information depuis
des semaines, les Québécois approuvent largement les interventions policières
et jugent disproportionnées les manifestations à répétition. Pour la population,
les excès et le vandalisme sont bien plus le fait de « casseurs » que des
étudiants. Dans sa dernière enquête, la maison CROP observe que pas moins de
85 % des gens avouent éprouver un malaise certain (27 %), voire profond
(58 %), devant les manifestations violentes des dernières semaines. Seulement
7 % des gens y sont indifférents. (K23PR0519Act0923)
 348

Appui au travail de la police. CRISE ÉTUDIANTE SONDAGE CROP-LA

PRESSE. Québec - En dépit des cen~aines d'arrestations en une seule soirée, des
plaintes en déontologie policière et des images embarrassantes sur les médias
sociaux, les Québécois n'ont pas changé d'avis : la police fait correctement son
travail. Le dernier sondage CROP réalisé cette semaine constate que selon 77 %
des répondants - et 76 % des gens de la grande région de Montréal -, les forces
de l'ordre ont fait du «bon» travail dans le contrôle des manifestations
étudiantes; 23 % sont d'avis contraire. La police obtient un taux important
d'appui à Québec, à 81 %, et chez les aînés, à 84 %. Mais 70 % des moins de 35
ans sont aussi satisfaits du travail des policiers. Une claire majorité de
Québécois estime que la police devrait appliquer « très ou assez »
rigoureusement les dispositions de la loi d'exception; 58 % des gens sont de cet
avis, et 71 % des répondants à Québec. (K23PR0526Act1034)

Toutefois, les résultats des sondages sont très variables sur les différents sujets traités
et encore plus particulièrement sur l'adoption de la loi spéciale:

Les Québécois divisés. CRISE ÉTUDIANTE SONDAGE CROP-LA PRESSE.

Québec - Les Québécois sont profondément partagés à l'égard de la loi
d'exception adoptée la semaine dernière. Ils croient que cette loi ne réglera rien,
mais ils en approuvent pourtant le contenu. Une mince majorité de Québécois,
51 %, appuie l'adoption de la loi spéciale, mais une forte majorité de répondants
se range derrière la quasi-totalité de ses dispositions. (K23PR0526Act1038)

5.2.6 Le Devoir

Le journal Le Devoir présente des caractéristiques différentes par rapport aux

journaux analysés jusqu'à maintenant. Ce journal n'est pas associé de manière stricte
à un autre journal, comme cela se produit pour ceux des groupes Québecor et Power
Corporation. Toutefois, aucun des 117 clusters n'est isolé. Les clusters avec le moins
de connexions sont DE_4 et DE_46 (figure 5.25), lesquels ont deux connexions à un
seuil de 0,6. Le troisième cluster le moins connecté est DE_6 qui comporte des liens
avec plusieurs journaux. En général, les clusters de ce journal sont des nœuds très
importants dans le réseau.
 349

Figure 5.25 Détail de la figure 5.14. Les clusters DE_4, DE_6 et DE 46 sont
représentés.

Le cluster DE_4 est connecté seulement à des clusters du même journal, soit DE_9 et
DE_39 (figure 5.26). Il sera le seul à être utilisé pour l' exploration de spécificités du
journal Le Devoir.
 350

Figure 5.26 Détail de la figure 5.14. Le cluster DE_4 et ses connexions

[Link] L'éducation avant tout!

Le groupe d'articles appartenant au cluster DE_4 présente des opinions sur le rôle et
sur la mission de l'institution universitaire. Ce thème est caractérisé par l'importance
majeure que deux actants spécifiques prennent dans la macrostructure, soient le
destinataire et le destinateur. Le destinataire est de toute première importance dans
un contexte d'évaluation des actions de l'université, alors que le destinateur tient un
rôle central dans un contexte d'analyse de la légitimité et de la mission des
universités. Ces deux rôles actantiels constituent le cœur de la macrostructure qui
domine le cluster et ils sont souvent actorialisés par l'éducation. La majorité des
articles se concentre sur le fait que l'éducation est à la fois la mission principale des
universités et le principal critère pour l'évaluation de leur enseignement. Enfin,
chaque idéologie, entendue comme système de valeurs, place une ou quelque valeurs
au sommet d'une hiérarchie. Le Journal Le Devoir semble y placer l'éducation. Pour
des journaux de droite, la valeur la plus importante est généralement l'économie.

La macrostructure dominante est le plus souvent complétée par un opposant qui se

concrétise dans les intérêts privés ou marchands. Ainsi, Le Devoir, de manière
 351

assez umque à l'intérieur du corpus, propose un nombre important d'articles qui

argumentent contre la « dérive marchande » ou la << marchandisation du savoir » et de
l'enseignement supérieur et ceci, en mettant en valeur l'éducation comme principe
ultime de la mission universitaire :

Droits de scolarité - Étudier pour... étudier. Que le recteur Guy Breton et sa

suite prennent la peine de préciser, après un tel préambule sur l'importance
d'étudier pour travailler, que « cela ne s'applique pas seulement aux entreprises
privées, mais aussi aux institutions, aux ministères, [...], etc. », ne change pas
grand-chose à la vision purement instrumentaliste du savoir qu'il nous présente.
Il va de soi que l'université permet, par exemple, d'acquérir des compétences
qui seront ensuite reconnues par un ordre professionnel. Il va de soi que la
recherche et l'enseignement au sein des universités contribuent au
développement économique d'une société. En revanche, il nous apparaît
extrêmement réducteur de limiter les objectifs d'une telle institution à ces seules
préoccupations. [... ] En premier lieu, un grand nombre d'étudiants fréquentent
l'université d'abord et avant tout pour acquérir une culture, un savoir, un bagage
intellectuel. (K04DE0223Idé0049)

Libre opinion - Gare au modèle de l'« Université McDonald ». La grève des

étudiants contre l'augmentation radicale et rapide des droits de scolarité apparaît
comme le symptôme d'un malaise profond par rapport au détournement de la
mission de certains services publics et, en particulier, de la mission essentielle
de l'enseignement supérieur. (K04DE0712Libl 170)

Libre opinion - Les universités mises au service des entreprises. La ministre

Beauchamp justifie la hausse des droits de scolarité en prétextant que
. l'augmentation de la contribution étudiante servira à améliorer la « qualité » de
l'éducation. Or, c'est bien plutôt l'inverse : la hausse ne profitera pas aux
étudiants, mais à des entreprises qui souhaitent brancher directement
l'université sur les besoins de l'économie. [... ] Quant aux étudiants, c'est la
hausse des droits de scolarité et l'endettement qui permettront de les intégrer au
nouveau modèle de l'université-entreprise. Selon la vision commerciale de
l'université mise de l'avant par le gouvernement libéral, les étudiants sont du
capital humain ou, comme le disait le recteur Guy Breton, « des cerveaux» qui
doivent être moulés« au service des entreprises ». (K04DE0309Édi0137)
 352

Malade, l'université? En moins de 20 ans, les universités québécoises ont connu

une transformation profonde de leur mission fondamentale, passant du modèle à
la Humboldt consacré à la vie de l'esprit au modèle du désengagement de l'État,
faisant la part belle aux capitaux privés. Pour le meilleur ou pour le pire? Et
comment comprendre la hausse dans ce contexte? À chaque époque sa menace
à l'intégrité de l'institution universitaire. (K04DE0310Act0142)

La liberté du chercheur en jeu. La tendance mondiale au désengagement de

l'État dans les universités au profit du privé sème des inquiétudes. La perte de
l'indépendance des chercheurs est-elle un mythe? Les bailleurs de fonds
contrôlent-ils la recherche? Un étudiant qui ne répond pas à une question
d'examen parce qu'il ignore la réponse, c'est fréquent. Mais un étudiant qui
connaît la réponse, mais refuse de la fournir, c'est autrement plus étonnant.
L'exception s'est produite il y a quelques années au Massachusetts Institute of
Technology (MIT). Le cachottier se disait lié au secret professionnel du projet
de recherche sur lequel il travaillait, financé par un bailleur privé. Cette
anecdote souvent racontée par l'éminent linguiste Noam Chomsky cristallise les
craintes de plusieurs: la recherche libre est-elle encore possible? Devant la
croissance du financement privé, le doute persiste. (K04DE0310Act0147)

Hausse des droits de scolarité - John Rawls contre la conception

entrepreneuriale de l'université. Le débat actuel va bien au-delà de l'accessibilité
et du caractère. Deux fois par mois, Le Devoir lance à des passionnés de
philosophie, d'histoire et d'histoire des idées le défi de décrypter une question
d'actualité à partir des thèses d'un penseur marquant. . Selon le philosophe
américain John Rawls (1921-2002), la justice distributive requiert que les
avantages soient attachés à des positions sociales auxquelles tous peuvent
parvenir s'ils ont les talents requis. Chaque personne qui a un talent et qui veut
le développer doit être en mesure de le faire. C'est le principe de la juste égalité
des chances (equality of fair opportunity). Il ne s'agit pas seulement d'assurer
une égalité de droit, garantie par la loi, mais de parvenir à institutionnaliser une
égalité de fait: le système scolaire doit effectivement permettre à un enfant issu
d'une classe défavorisée d'accéder à une carrière adaptée à son talent.
(K04DE0526Soc0830)

Compétitivité et autres contrats de performance ont transformé l'université.

« Des états généraux s'imposent, à condition qu'on ne limite pas cet exercice
aux seuls droits de scolarité ». Doit-on revoir le· mode opératoire du réseau
universitaire du Québec? Faut-il revoir ses principes directeurs? Est-ce que ce
réseau répond aux aspirations et aux défis sociétaux d'aujourd'hui? Peut-on faire
 353

autrement? Doit-on faire autrement? Pourquoi et comment? Et de quoi sera fait

demain? Voilà autant de questions que Le Devoir a soumises à l'examen de
deux professeurs réputés, soit Jean Bematchez, professeur-chercheur en
administration et politiques scolaires à l'Université du Québec à Rimouski, et
Yves Gingras, professeur d'histoire à l'UQAM et codirecteur de l'ouvrage. Les
transformations des universités du 13e au 21e siècle (PUQ, 2006). Chose
certaine, pour ces deux professeurs, des états généraux portant sur le présent et
le devenir de nos universités s'imposent. (K04DE0818Soc1371)

Le discours contre la marchandisation du savoir est intégré au contexte de la grève

étudiante. Le plus souvent, ces arguments sont présentés en soutien aux idées contre
la hausse des frais de scolarité. Ce soutien est véhiculé également par un autre
destinataire, l'accessibilité à l'éducation.

Libre opinion - Des oubliées : les études supérieures et la recherche. Dans la

foulée de l'augmentation des droits de scolarité décrétée par le gouvernent du
Québec -- qui passeront de 2168 $ en 2011-2012 à 3793 $ en 2016-2017 -- et de
la grève de quelque 200 000 étudiants collégiaux et universitaires, la plupart des
observateurs ont discuté de l'effet négatif de telles hausses sur l'accès aux
études de premier cycle. Dans Le Devoir du 23 mars, Pierre Doray et Amélie
Groleau nous rappelaient qu'à la suite du dernier dégel des frais de scolarité, les
universités francophones avaient subi une baisse de plus de 26 000 inscriptions
entre 1992 et 1997. Peu d'observateurs ont toutefois noté l'effet délétère d'une
telle hausse sur l'accès aux études de cycle supérieur et, par conséquent, sur la
capacité de recherche des universités québécoises. Les données de l'Association
canadienne pour les études supérieures nous montrent que les inscriptions dans
les programmes de doctorat furent également touchées, avec un certain
décalage compte tenu du temps nécessaire au passage des études de premier
cycle aux études doctorales. Pour les trois principales universités de recherche
du Québec (Laval, McGill et Montréal), qui comptent pour plus des trois quarts
des doctorants en 1995, les inscriptions au doctorat sont passées de 6792 à 5880
entre 1995 et 2001, soit une baisse de plus de 13 %. Certaines universités furent
également plus touchées que d'autres: les programmes de doctorat de
l'Université de Montréal, par exemple, ont subi une baisse de plus de 22 %
(2865 en 1995 contre 2229 en 2001). (K04DE0410Édi0356)

Les arguments contre la hausse de droits de scolarité sont également accompagnés de

considérations sur la gestion des finances publiques et des universités. Un adjuvant,
 354

actorialisé par l'amélioration de la gestion des universités, apparaît en soutien aux

idées contre la hausse des droits de scolarité.

Grève étudiante - Des idées pour mettre fin au « gaspillage ». Les fédérations
étudiantes proposent de couper dans les budgets universitaires. Les fédérations
étudiantes proposent de geler certains budgets des universités afin de pouvoir
maintenir le gel des droits de scolarité. (K04DE0412Act0371)

Universités - Un sous-financement bien réel. Lorsque le gouvernement du

Québec a annoncé un éventail de mesures visant à assurer un meilleur
financement aux universités, incluant une hausse graduelle des droits de
scolarité, il répondait à un besoin bien réel. Le sous-financement des universités
québécoises est documenté et reconnu de tous. Il se chiffre à plus de 600
millions de dollars par année. Or, aujourd'hui, l'objectif fondamental est occulté
par la recherche d'économies qui pourraient être réalisées par les universités.
Comme administrateurs universitaires, nous nous inquiétons de cette dérive et
des risques qu'elle comporte. (K04DE0512Idé0680)

Enfin, le journal lui-même prend position en assumant, à la première personne, le rôle

de destinateur et ceci, par un débrayage énonciatif qui est unique à l'intérieur du
corpus. Le débrayage est :

l'opération par laquelle l'instance d'énonciation se disjoint et projette hors

d'elle, lors de l'acte de langage et en vue de la manifestation, certains termes
liés à sa structure de base pour constituer ainsi les éléments fondateurs de
l'énoncé-discours (Greimas et Courtés, 1979, p. 79)

Généralement, le débrayage implique trois catégories d'entité, soit la personne, le

temps et l'espace. Dans le cas qui nous présentons ici, il s'agit surtout d'un débrayage
qui implique la personne, et plus particulièrement l'auteur ultime de l'article.

Ceci se produit de manière très spécifique. En effet, le débrayage énonciatif constitue

rarement une dynamique principale des articles et ceci l'est encore moins lorsque le
destinateur est le journal lui-même. Quand le je apparaît dans un espace et dans un
 355

temps donnés, le débrayage devient un élément dominant de l'énoncé. Dans le cas des
éditoriaux ou des lettres, le débrayage est plus marqué, étant donné qu'une opinion
est exprimée. Mais dans tous ces cas, le je qui constitue le débrayage implique le
journaliste ou l'auteur de l'article ou de la lettre. Au contraire, dans le cas présenté ici,
le débrayage concerne unje qui personnifie le journal au complet. Dans l'article qui
suit, Le Devoir prend la parole en première personne et exprime une opinion contre le
recteur de l'Université de Montréal, accusé d'avoir permis des actes d'intimidations
envers les étudiants à l'intérieur de l'institution qu'il dirige.

Libre opinion - Nous demandons la démission du recteur. Ces derniers jours ont
été désastreux à l'Université de Montréal. Les mots ne suffisent pas pour les
décrire. Nous pouvons et nous devons néanmoins condamner ces gestes de
violence et d'intimidation. Parce qu'il s'agit de gestes de violence et
d'intimidation. [ ... ] Cette semaine, l'administration est encore allée plus loin.
Beaucoup trop loin. Agents de sécurité, policiers, anti-émeutes se sont croisés
et sont intervenus dans les couloirs de l'université comme s'il s'agissait d'un lieu
de passage habituel, comme si l'université n'avait jamais été ce sanctuaire
qu'elle a jadis pu être, comme si l'université n'était plus ce lieu de protection
mais bien de répression. [... ] Bref, seule la direction a le pouvoir de bafouer les
principes fondateurs de l'université. Que reste-t-il, par exemple, du principe de
collégialité quand on place les professeurs dans une situation impossible?
Quand on ne leur dorine pas la possibilité de respecter des votes de grève pris
par leurs étudiants et qu'on les oblige, sous peine d'amendes salées, à donner
leurs cours et ce, dans une ambiance des plus pesantes et traumatisantes?
Valeur de l'université. Par ailleurs, une université est-elle encore une université
quand en ses lieux se déroulent arrestations, gardes à vue, souricières et charges
de l'anti émeute? Quand des étudiants sont considérés comme de dangereux
criminels alors qu'ils tentent simplement de faire respecter des décisions prises
démocratiquement et collectivement? (K04DE0831Lib1440)

Le cluster présenté ici est très distinctif et caractérise le journal Le Devoir de manière
unique. En particulier, le dernier article n'a de similarité avec aucun des milliers
d'articles traités dans cette recherche. Toutefois, cette considération vaut également
pour le cluster au complet. En effet, même en tenant compte des clusters de plus
 356

petite taille, ce cluster représente un groupe d'articles très différents du reste des
articles contenus dans le corpus.

5.2.7 Radio-Canada

Pour le site web Radio-Canada,. aucun cluster n'est isolé et deux ont une seule
connexion, soit RC_lO et RC_28 (figure 5.27). Comme Le Devoir, cette source
d'information n'a pas de connexions fréquentes avec un journal en particulier. Sa
caractéristique principale est celle d'être un site web et, au contraire des autres, ses
articles sont souvent publiés à l'intérieur de la journée même où les événements se
déroulent. Dans certains cas, comme pendant la couverture des manifestations, les
articles décrivent les événements en direct, ce qui est unique dans le corpus.

Figure 5.27 Détail de la figure 5.14. Les clusters RC_l6 et RC_28 sont représentés
 357

Comme dans le cas des derniers journaux analysés, seul le cluster connecté avec la
même source d'information sera présenté. Pour Radio-Canada, le cluster à être
analysé est RC_lO qui est connecté à RC_2.

[Link] Chronique des manifestations

Les deux clusters connectés de Radio-Canada (RC_ 10 et RC_2) regroupent des

articles sur les manifestations étudiantes. Les extraits qui suivent représentent des
articles prototypes de RC_ 1O. Ce sont généralement des chroniques qui racontent les
évènements ou qui fournissent des informations générales sur les manifestations. En
particulier, RC_ 10 regroupe surtout les chroniques des manifestations qui se sont
déroulées devant les édifices du Parlement, à Québec:

Droits de scolarité : rassemblement étudiant sur la colline Parlementaire. Des

étudiants se sont donné rendez-vous à l'occasion de la rentrée parlementaire
pour manifester devant l'Assemblée nationale contre la hausse des droits de
scolarité. (KlORC0214no_0004)

Près de 100 000 étudiants en grève aujourd'hui. Des milliers d'étudiants sont
attendus jeudi après-midi devant l'Assemblée nationale, à Québec, pour
dénoncer de nouveau la hausse des droits de scolarité annoncés dans le dernier
budget du gouvernement de Jean Charest. (K10RC0301no_0036)

Droits de scolarité : des milliers d'étudiants devant l'Assemblée nationale. De

4000 à 5000 étudiants de partout au Québec sont massés devant l'Assemblée
nationale jeudi après-midi pour protester contre la hausse des droits de
scolarité. Quelques étudiants ont franchi les barrières de sécurité qui avaient été
érigées pour l'occasion. Des policiers de l'escouade anti-émeute de la Sûreté du
Québec sont intervenus en utilisant des gaz lacrymogènes pour disperser les
étudiants. (K10RC030lno_0038)

Les étudiants manifestent à Québec en ce jour de budget. Quelques dizaines

d'entre eux se sont rassemblés devant le Parlement de Québec mardi en
attendant le dépôt du budget du gouvernement Charest en après-midi.
(Kl ORC0320no_ 0097)
 358

Journée de manifestations étudiantes à Québec. Les étudiants manifestent à

Québec en ce jour de budget. Quelques dizaines d'entre eux effectuent une
opération de visibilité, mardi matin, à l'intersection de la rue de la Couronne et
du boulevard Charest. (Kl0RC0320no_0100)

Carrés rouges devant l'Assemblée nationale pour le 22 juillet. Des manifestants

se donnent rendez-vous devant l'Assemblée nationale à Québec en ce 22 juillet
pour dénoncer la hausse des droits de scolarité, comme c'est le cas depuis le 22
mars. Des rassemblements sont organisés dans plusieurs autres villes du
Québec. (KlORC0722no_0764)

Le cluster RC_ 2 regroupe des articles sur des évènements moins spécifiques. Ainsi, il
contient des articles sur plusieurs manifestations étudiantes. La spécificité de ces
deux clusters réside dans la manière de couvrir les défilés étudiants. Une étude
détaillée sur ces deux clusters pourrait mettre en évidence un style journalistique sans
doute spécifique à cette source d'information.
 CHAPITRE VI

DISCUSSION

Dans ce chapitre, nous discuterons des résultats obtenus et de certains aspects

méthodologiques. Les réflexions ici regroupées constitueront l'évaluation de la
méthode, ce qui implique deux considérations préliminaires. D'abord, la méthode, qui
a été présentée comme une preuve de concept, ne peut pas être évaluée par une
comparaison avec un travail de référence puisque, à notre connaissance, il n'existe
pas de recherches qui ont analysé le printemps érable en utilisant les mêmes cadres
théoriques que cette thèse. Les travaux que nous avons cités au point (1.7.3) ne
peuvent pas être utilisés comme référence, puisque le cadre théorique auquel ils
réfèrent diffère de celui de ce travail et aussi parce que les corpus analysés sont
différents en termes de taille et de typologie. En général, ces travaux exécutent des
analyses sur des corpus de petite taille ou sur des unités syntagmatiques très
différentes des nôtres (cfr 1.7.3). Certaines études, par exemple, n'analysent que les
premières pages. Deuxièmement, il n'est pas possible de bâtir une évaluation
quantitative pour l'application des outils non supervisés. Cette problématique a été
introduite au point 3.6.2. En effet, ce type de méthode est le plus souvent évalué par
une phase d'annotation, tel que proposé dans cette thèse. Certains lecteurs pourraient
objecter sur ce point3 7 • En effet, il est possible de créer des heuristiques, mais le
dégrée de fiabilité ne sera pas élevé. Pour l'augmenter, il sera nécessaire d'améliorer

37
L'impossibilité de construire une mesure quantitative pour l'évaluation de méthodes non
supervisées appliquées aux données textuelles
 360

les ressources économiques, humaines, technologiques, etc. du projet de recherche.

Par exemple, il aurait été possible de calculer une valeur sur la base du pourcentage
des clusters qui contiennent effectivement une macrostructure et ceux qui ne la
contiennent pas. Toutefois, cette mesure devrait prendre en compte toute une série de
facteurs, dont le niveau de confiance de l'annotateur et l'accord interjuge, ce qui
implique la mise en place d'un questionnaire de qualité et d'une équipe d'annotateurs.
De plus, étant donné la spécificité de la méthode utilisée et du métalangage
greimassien, les annotateurs auraient dû être des sémioticiens. Les ressources pour
bâtir une telle infrastructure n'étaient pas disponibles. Dans un contexte de
démonstration de faisabilité d'une méthode hybride entre sémiotique et intelligence
artificielle, nous nous sommes donc limités à une évaluation « qualitative » des
résultats obtenus et à une discussion sur la méthode.

Les questions de recherche de cette thèse correspondent à deux objectifs de

recherche : A) explorer la couverture médiatique du cas d'étude en se basant sur le
concept de macrostructure et B) exécuter cette analyse au moyen d'une méthode

.
d'analyse de texte assistée par ordinateur qui associe un outil computationnel
spécifique à l'analyse narrative du texte journalistique. Le point A) sera discuté dans
la première section de ce chapitre et le point B) dans la deuxième .

6.1 Réflexions sur les résultats

Les résultats présentés au chapitre V montrent que la méthode permet d'explorer un

corpus de type journalistique et d'en souligner les macrostructures les plus fréquentes.
En effet, il a été possible d'identifier sept grands agglomérats de clusters dont le
niveau discursif des articles est généré par des macrostructures communes. Pour les
six premiers agglomérats, la détection d'un ou de deux axes du vouloir (sujet et objet
de valeur) a permis l'analyse des articles à partir d'une macrostructure commune,
 361

constituée par cet axe et par le programme narratif correspondant. Pour certains
agglomérats, des axes du pouvoir (adjuvant et opposant) ou, plus rarement, de la
transmission (destinateur et destinataire), ont également pu être dégagés. Ceci
constitue certainement un élément positif dans l'évaluation de notre méthode Puisque,
il a été possible d'analyser, à l'aide de l'ordinateur, un grand corpus de textes de type
journalistique en ciblant ses macrostructures. Cette analyse a relevé que les articles
similaires possèdent des macrostructures similaires et que ces dernières possèdent des
caractéristiques narratives.

Toutefois, pour le dernier agglomérat, il n'a pas été possible d'identifier une
macrostructure comme nous en avions fait l'hypothèse précédemment. Toutefois, un
élément s'est dégagé clairement pendant la phase d'annotation de ces articles et c'est
la mise en valeur du destinataire, ce qui permet certainement de faire une
interprétation pertinente des articles contenus dans l'agglomérat. L'analyse de cet
agglomérat a montré la présence d'une catégorie particulière d'articles, soit les
articles d'opinion. En effet, les articles de cet agglomérat appartiennent
principalement à la catégorie des éditoriaux, des lettres des lecteurs et autres.
L'analyse a aussi montré que certains articles, qui ont été classifiés par les journaux
sous la catégorie de chroniques, étaient en réalité structurés sous la forme d'articles
d'opinion. En effet, plusieurs articles classifiés comme « nouvelles »ou« actualités »,
qui sont généralement dédiés à des chroniques, constituent en réalité de véritables
expressions d'opinion. Dans ce contexte, la mise en valeur du destinataire est justifiée
et il constitue un outil au service de l'interprétation. En effet, lorsque dans un article
on argumente pour ou contre quelque chose, on se prête inévitablement à une
dynamique sémiotique qui « pointe » vers la dernière phase du schéma narratif
canonique, c'est-à-dire la phase d'évaluation, ce qui implique l'émergence du
destinataire. En d'autres termes, exprimer une opinion comporte généralement la
structuration d'une argumentation qui se prête, par définition, à l'évaluation de sa
 362

légitimité. En effet, raconter des événements ·répond à des dynamiques différentes de

celles en fonction lors de l'expression d'une opinion.

Généralement, l'argumentation d'une opinion est fortement marquée par une

idéologie ou une logique des idées, entendue comme un système d'idées et de
prmc1pes logiquement cohérents. Prenons une application classique du modèle
actantiel, fournie par Greimas lui-même (Greimas, 1966, p. 181), soit la distribution
actantielle de l'idéologie marxiste (tableau 6.1). Dans ce cas, les actions du militant
marxiste sont évaluées par le destinataire, l'humanité. C'est au nom de l'humanité
quel' homme exécute des actions pour atteindre la société sans classe.

Tableau 6.1 S~héma actantiel de l'idéologie marxiste selon Greimas

Actant Acteur
Sujet Homme
Obiet Société sans classe
Destinateur Histoire
Destinataire Humanité
Oooosant Classe bourgeoise
Adjuvant Classe ouvrière

La même dynamique est présente dans la majorité des articles d'opinion analysés
dans le septième agglomérat. Le plus souvent, les articles fournissent un élément qui
présente une argumentation selon la formule « c'est au nom de x que cette opinion est
légitimée », ce qui implique la mise en valeur du destinataire. Une analyse plus
approfondie de cet agglomérat fournirait certainement des pistes pour la définition de
dynamiques spécifiques au genre «article d'opinion».

L'analyse du septième agglomérat n'est pas le seul élément qui montre les limites de
la méthode. Les plus grandes difficultés ont été rencontrées lorsque nous avons
essayé de dégager des macrostructures spécifiques par journal. Il a été possible de
définir une macrostructure pour les articles des clusters ciblés, par exemple ceux
 363

décrits au point [Link]. Toutefois, il a été plus difficile d'identifier des

macrostructures qui définissent des caractéristiques spécifiques par journal. Ceci peut
dépendre de plusieurs facteurs, et en premier lieu, des caractéristiques intrinsèques à
la méthode. En effet, la méthode est basée sur la notion de similarité, ce qui implique
une mise en relief des macrostructures similaires plutôt que de celles qui sont
distinctes. D'autres outils pourraient être explorés pour réaliser cette tâche.
Deuxièmement, l'approche par macrostructure sémantique appliquée à un corpus de
type. journalistique et ciblant les aspects sémantiques des textes peut constituer un
« biais méthodologique » pour la réalisation de ce genre de tâche. En effet, lorsqu'on
exécute une analyse du contenu sémantique pour définir les structures globales du
sens et que le corpus analysé est composé d'articles de journaux et que ces articles
traitent des mêmes événements, l'identification des spécificités par journal est
difficilement réalisable. Dans notre cas, les journaux traitent des mêmes
manifestations, des mêmes sessions parlementaires, des mêmes déclarations
publiques, etc. Dans un tel cadre, l'analyse du niveau discursif et de surface serait
plus pertinente pour l'identification des éléments distinctifs par source d'information.
Le niveau de surface pourrait souligner le style ou la manière à travers lesquels les
évènements sont traités, ce qui est plus susceptible de constituer les spécificités par
journal.

L'accomplissent le plus important que la méthode permet de réaliser est certainement

la découverte d'un certain nombre d'hypothèses de recherche. Lorsqu'.on explore un
corpus, un des objectifs est d'identifier des pistes de recherche pouvant mener à des
études approfondies du corpus. Dans notre cas, chaque agglomérat ou cluster décrit
au chapitre 5 constitue certainement une hypothèse de recherche qui pourrait être
approfondie davantage. En d'autres termes, à partir de l'identification d'une série de
macrostructures, l'analyse de contenu peut être approfondie ou précisée davantage.
Ceci constitue un des avantages importants d'une sémiotique computationnelle, c'est-
 364

à-dire la découverte de « nouveaux observables» par des méthodes assistées par

ordinateur. Comme Rastier le spécifie à plusieurs reprises (Rastier, 2011), une
analyse à grande échelle effectuée à l'aide de l'ordinateur pourrait permettre
d'identifier des éléments qui, sans aucun doute, n'auraient pas pu être identifiés
autrement. Par exemple, dans notre cas, nous avons identifié un certain nombre de
macrostructures plus importantes que d'autres. Est-ce qu'une analyse effectuée par
une méthode traditionnelle et sans assistance par ordinateur aurait permis d'identifier
les mêmes macrostructures? Si oui, en comb~en de temps et en utilisant quelles
ressources? Il n'est pas possible de répondre à cette question dans le cadre de ce
travail, mais elle pourrait certainement inspirer de travaux futurs.

6.2 La méthode et ses implications sémiotiques

L'exploration d'un corpus de type [Link] par l'analyse de ses macrostructures

a été réalisée avec l'assistance d'un ordinateur, ce qui réalise le deuxième objectif de
la thèse (B), soit associer un outil computationnel à l'analyse narrative du texte
journalistique. Ceci est accompagné d'une autre contribution majeure, soit le transfert
de connaissances de l'informatique à la sémiotique, car la méthode constitue le
principal élément de ce travail. Cette thèse s'est développée sous la forme d'une
démonstration de faisabilité, dans le but ultime d'évaluer une méthode d'assistance
computationnelle à l'analyse sémiotique du texte journalistique. Si d'une part,
l'obtention de résultats cohérents avec les attentes habituelles d'une recherche en
sémiotique est déterminante pour l'évaluation de la méthode (voir point 6.1), de
l'autre, une réflexion sur la méthode l'est autant. En effet, l'utilisation d'une telle
méthode hybride doit inévitablement passer par une compréhension détaillée des
aspects techniques des outils utilisés et par une prise de conscience des
caractéristiques de ces outils lors de leur application à des produits sémiotiques. En
d'autres termes, pour le développement des méthodes de la sémiotique
 365

computationnelle, il est nécessaire de bien comprendre quelles sont les opérations

cognitives et sémiotiques que les outils automatiques exécutent à la place de l'être
humain. Il est donc impératif de comprendre comment ces opérations sont exécutées
afin de déterminer la façon dont ces outils peuvent être utilisés pour l'analyse
sémiotique. Cette prise de conscience permet d'éviter des interprétations erronées des
résultats ou une utilisation non appropriée des outils, laquelle pouvant mener à de
fausses conclusions. Cette compréhension et cette prise de conscience sont les
conditions nécessaires pour la construction d'une sémiotique computationnelle. Enfin,
le modèle de la « boîte noire» (black box), c'est-à-dire l'utilisation de programmes
informatiques (peu importe s'ils sont sous la forme d'algorithmes ou de logiciels)
sans connaître les opérations qu'ils exécutent, ne doit pas et ne peut pas constituer
une base solide pom la sémiotique computationnelle.

Dans les paragraphes qui suivent, un certain nombre d'étapes de la méthode sont
analysées du point de vue technique ou sémiotique. Chacune de ces étapes a une
importance majeure pour une utilisation correcte des outils dans le cadre d'une
recherche sémiotique. Certaines d'entre elles sont des opérations simples, comme la
tokenisation. D'autres présentent des problèmes techniques plus pointus et dont il est
important d'en connaître la nature afin d'éviter une utilisation biaisée des outils, par
exemple le problème de la « malédiction dimensionnelle ». Cette discussion
méthodologique ne prétend pas être exhaustive, mais elle est certainement
représentative des problèmes principaux que la recherche en sémiotique doit affronter
dans un contexte computationnel.

6.2.1 Tokenisation

L'opération de tokenisation est une procédure de reconnaissance des signes

graphiques qui sont susceptibles de constituer un token, lequel a été désigné comme
étant un sinsigne (cfr. 2.1.1). Cette opération est plus complexe à réaliser pour une
 366

machine que pour un être humain, car il est difficile de formaliser et de transférer
l'intelligence et l'expérience nécessaires à l'exécution de cette tâche à un ordinateur.
La complexité de l'opération dépend surtout de la langue et du système d'écriture
auquel le chercheur est confronté. Prétraiter un texte en arabe nécessite des outils
différents de ceux utilisés pour prétraiter l'anglais. En général, la tokenisation est une
procédure qui requiert un certain nombre d'outils de reconnaissance des formes et qui
est mise en place en fonction de la langue à traiter.

La réussite de l'opération de tokenisation dépend principalement de la définition des

délimiteurs des unités lexicales. Par exemple, on peut considérer comme unité
lexicale cpaque séquence de caractères précédée et suivie par un espace. Cette
définition peut fonctionner pour une langue néo-latine, comme l'italien ou le français,
mais ne fonctionnera pas aussi bien pour l'arabe ou l'allemand. Conséquemment, des
stratégies différentes seront définies en fonction de la langue et du système d'écriture
traités. Identifier les délimiteurs des mots requiert la connaissance des conventions
orthographiques du système d'écriture auquel on est confronté. En amharique par
exemple, les séparateurs des mots et des phrases sont explicitement indiqués, ce qui
n'est pas le cas pour le thaï. Chaque système d'écriture possède donc sa convention
orthographique pour l'identification d'un mot et il est généralement possible de
distinguer les conventions basées sur les espaces et les conventions qui n'utilisent pas
de délimiteurs de mots standards. Dans le premier cas, qui correspond à la majorité
des langues européennes, les mots sont généralement séparés par un espace et il suffit
d'identifier les suites de caractères délimitées par les espaces. Dans le deuxième cas,
. comme pour le chinois, le thaï ou, en partie l'allemand, les mots ne sont pas séparés
par un espace. Les méthodes de tokenisation sont très différentes selon la langue à
laquelle elles sont apliquées et il n'est pas opportun d'en faire la synthèse ici.
 367

Le français, qui est la langue traitée dans cette thèse, appartient au premier cas. Bien
que le processus de tokenisation puisse apparaitre simple, cette typologie de langue
présente d'autres enjeux, comme l'identification des suites spéciales de caractères,
dont les règles varient d'une langue à une autre et d'un domaine du savoir à un autre.
Par exemple, certaines conventions peuvent être spécifiques à des textes de
mathématique ou de philosophie. Certains algorithmes peuvent donc être très
spécifiques au corpus analysé, selon la langue utilisée et le domaine en cause.

Dans le contexte de la thèse, deux types de suites spéciales sont présentées : les suites
prévisibles et dépendantes de conventions inscrites dans le système d'écriture ou du
domaine du savoir et les suites imprévisibles, qui dépendent d'erreurs de toutes sortes.
Pour la première catégorie par exemple, il est possible de prévoir les abréviations des
auxiliaires être ou avoir, c'est le cas de l'expression anglaise « l'm », où il est
possible de déterminer comment l'apostrophe doit être traitée dans différentes
situations ou, comme le génitif en anglais. On retrouve dans cette première catégorie
toutes les procédures de désambiguïsation des occurrences de certains signes
graphiques dont le comportement ou le rôle sont prévisibles. L'apostrophe (') en est
un exemple, mais celui du point(.) est plus répandu, comme délimiteur de phrases,
d'acronymes ou d'abréviations. Ce premier enjeu a été pris en charge par la méthode
Treetagger, qui a été utilisée pour l'annotation morphosyntaxique et la lemmatisation.
Toutefois, plusieurs erreurs ont été trouvées et un processus de correction manuelle
s'est imposé.

À cette même catégorie, s'ajoutent les mots composés ou des cas particuliers
d'utilisation du trait d'union. En effet, dans certains cas en français, une suite de
caractères qui contient un trait d'union peut être considérée comme une seule unité
lexicale, par exemple les mots composés, mais dans d'autres cas, le trait d'union doit
plutôt être considéré comme un séparateur de mots, comme dans les phrases
 368

interrogatives (ex. « A-t-il mangé? »). L'identification de ces suites spéciales de

caractères est exécutée par des règles construites ad hoc qui sont généralement mises
en œuvre par des expressions régulières communément appelées regex. Il est possible
de définir les regex comme un langage spécifique pour la manipulation de caractères.
Reprenons l'exemple du point, qui peut être un délimiteur de phrases, d'abréviations,
d'acronymes et aussi un délimiteur pour les décimales. Pour chacun de ces cas, le
lexicographe computationnel doit adopter une stratégie permettant de les identifier et
les désambiguïser, ce qui implique un regex capable de distinguer le point délimiteur
d'abréviation de celui qui délimite les phrases.

En ce qui concerne les suites imprévisibles, les stratégies d'identification ne peuvent

s'appuyer sur les connaissances que le chercheur a de la langue, du système d'écriture
ou du domaine du savoir dans lequel le corpus s'inscrit. Ces suites spéciales de
caractères constituent le plus souvent des erreurs de transcription ou des erreurs de
reconnaissance optique des caractères. Dans la pratique, il n'est pas rare de devoir
composer avec des erreurs comme des espaces ou des caractères non reconnus et il
est difficile d'identifier chaque suite de caractères q~i dérive des erreurs. Pour cette
raison, chaque opération de tokenisation comporte une marge d'erreur inévitable et
qui ne peut être estimée que dans un très petit nombre de cas. Dans le cas du présent
travail, un grand nombre de ces erreurs ont été corrigées par l'utilisation de règles
construites ad hoc mises en œuvre par des expressions régulières, les regex.

En d'autres termes, la tokenisation est une opération complexe, en raison des

conventions orthographiques des langues, des conventions du domaine du savoir et
des différentes problématiques comme les suites de caractères prévisibles et
imprévisibles. La qualité du texte traité, qui peut contenir des erreurs de transcription
ou d'autres types ajoute à cette complexité. L'identification des lexies (Rastier, 2012,
2009), qui sont les véritables unités lexicales d'une langue, est un problème délicat. Il
 369

peut exister des lexies constituées d'un mot, d'autres d'un mot composé ou de suites
de mots, comme « pommes de terre » ou « au fur et à mesure ». En somme, la
tokenisation est une étape difficile à réaliser et des stratégies spécifiques doivent être
considérées. Une marge d'erreur doit être tolérée. Un travail important de nettoyage
des textes par des règles regex construites ad hoc doit être effectuées afin de réduire
l'effet néfaste de ce type de bruit sur les résultats.

6.2.2 Lemmatisation

Certaines opérations de la phase d'annotation automatique ont des implications

sémiotiques plus importantes que d'autres. C'est le cas de la lemmatisation, dont il
est opportun d'en connaitre les caractéristiques sémiotiques et les limites. La
lemmatisation est l'opération qui identifie le morphème porteur du signifié pour les
unités lexicales des langues flexionnelles. Dans un cadre d'analyse de texte assistée
par ordinateur, cette opération est accomplie pour normaliser les formes des mots,
c'est-à-dire pour regrouper les tokens en types. Certains auteurs (Eco, 1978) ont
associé cette dichotomie au modèle du signe de Hjelmslev (1943) qui suit:

(matière)
subltance CONTENU
(orTM

form6
,ubstance EXPRES!UON
(matière)

Figure 6.1 Expression et contenu selon Hjelmslev

Ce modèle (figure 6.1) implique une structure du signe à deux plans, celui du plan du
contenu (signifié) et celui de l'expression (signifiant). Le modèle de Hjemslev
complète la théorie du signe proposée par Saussure en ajoutant à chaque plan trois
niveaux de transformation. Nous citons un passage du texte de Eco à partir duquel la
réflexion·qui suit a débuté:
 370

Selon ce modèle, on définit comme matière de l'expression tout continu

amorphe auquel un système sémiotique déterminé donne forme en en
découpant des éléments pertinents et structurés et en les produisant ensuite
comme substance; et l'on définit comme matière du contenu l'univers en tant
que champ de l'expérience auquel une culture déterminée donne forme en en
découpant des éléments pertinents et structurés et en les communiquant ensuite
comme substance. La différence entre un élément de la forme et un élément de
la substance est celle qui intervient entre un type et une occurrence concrète
(token). (Eco, 1978, p. 141)

En d'autres termes, la matière de l'expression et la matière du contenu sont un« tout

continu amorphe » alors que la substance est la matière structurée par la forme. Ces
deux plans ne sont pas indépendants, mais étroitement reliés l'un à l'autre. En effet,
sur le plan du contenu, la matière amorphe est découpée en unités qui constituent la
substance du contenu ce qui est permis par la forme. Par exemple, le signifié général
de « mourir » peut avoir différentes formes : « décéder » ou « partir », etc. Chacune
de ces formes est porteuse d'un signifié sur le plan du contenu qui se manifeste dans
une forme particulière sur le plan de l'expression. Chacun des mots suivants
«décéder», «mourir» ou «partir» est une forme de l'expression qui correspond à
des formes du contenu. En effet, ces mots sont utilisés dans des situations différentes
et ont un signifié différent ou, à tout le moins, véhiculent des intentions différentes.
Cependant, la substance demeure la même, soit la notion générale de mourir. Quel
est donc le lien entre forme et contenu d'un côté, et type et token de l'autre?· La
dichotomie entre type et token peut être appréhendée grâce au modèle de Hjelmslev
afin de considérer « la différence entre un élément de la forme et un élément de la
substance [comme celle] qui intervient entre un type et une occurrence concrète
(token) (Eco, 1978, p. 141).

Selon Eco, type et token correspondent respectivement à forme et substance. Dans ce

sens, le type « mourir » peut avoir différents tokens, comme « partir », « décéder »,
etc.
 371

Cependant, dans un cadre d'analyse linguistique et dans le contexte de l'opération de

lemmatisation, ce parallélisme n'est pas applicable tel quel, ce qui constitue
certainement une limite importante de la méthode. L'opération de lemmatisation
permet de «normaliser» les différentes occurrences et formes qu'un mot peut
prendre et donc de trouver les types mais seulement dans un cadre linguistique du
genre «partir» (type) versus« partais», «part» ou« partirais ». Elle ne permet pas
de normaliser toutefois les formes et occurrences d'un mot comme «mourir» (type)
par rapport à «décéder», «mourir» ou «partir». Dans certains contextes, le mot
« partir » est aussi un token de « mourir » et la réduction sémantique devrait donc
suivre celle linguistique.

En d'autres termes, cette vision sémantique de la relation entre type et token est très
difficile à concrétiser dans un cadre computationnel, car elle nécessite un algorithme
de lemmatisation qui, en analysant le contexte d'occurrence d'un mot, peut trouver
son type linguistique mais aussi son type sémantique. Par exemple, l'algorithme
devrait transformer la phrase « il est parti serein » selon la liste suivante de lemmes,
« il », « être », « mourir », « serein », ce qui est actuellement très difficile à exécuter
par des outils informatiques. La parfaite mise en relation entre la substance du
contenu et la substance de l'expression devra donc être accomplie· par un outil de
lemmatisation plus sophistiqué, fondé sur une théorie sémiotique du type, afin de
dépasser les limites de l'approche lexicographique. Le modèle de Hjelmslev offre un
cadre sémiotique satisfaisant pour interpréter la différence entre type et token et, en
particulier, pour comprendre le rôle de la lemmatisation dans un cadre d'analyse de
texte assistée par ordinateur.

Malgré les limites actuelles, l'opération de normalisation ou de réduction du token à

son lemme n'est pas inutile et elle est accomplie essentiellement pour mettre en
valeur les éléments sémantiques des textes et pour réduire les impacts potentiels des
 ·372

aspects syntaxiques. En effet, regrouper les différents tokens autour d'un type qui
correspond au lemme exige de pouvoir comparer les mots du point de vue sémantique
et non selon la position syntaxique qu'ils occupent dans la phrase. Par exemple, si
dans un texte il existe 100 occurrences du mot « mourir », distribuées en dix ou 20
formes différentes, l'analyse ne sera pas efficace, car la significativité du mot
« mourir » est diminuée par les formes qu'elle prend dans le texte, chacune reflétant
une portion de son occurrence totale. Ainsi, réduire chaque occurrence à un seul type
augmente la significativité du verbe « mourir ».

Dans une application d'analyse de texte, il est préférable d'orienter les opérations de
prétraitement vers les aspects sémantiques plutôt que syntaxiques. Il est donc moins
important de déterminer si un verbe a été utilisé plus fréquemment à la troisième
personne qu'à la première, que de connaître le nombre de fois où il a été utilisé et
avec quel autre lemme. Évidemment, cette hypothèse peut varier en fonction de
l'application et de l'objectif de la recherche. Le présent projet est orienté sur les
aspects sémantiques du texte et c'est pour cette raison que l'étape de lemmatisation
est accomplie pour regrouper les tokens sous le même type correspondant au
morphème porteur du signifié d'un mot, c'est-à-dire le lemme. Toutefois, une vision
sémantique de l'opération de lemmatisation, tel que décrite dans le modèle de
Hjemslev, serait certainement une valeur ajoutée à la méthode.

6.2.3 Segmentation

L'unité syntagmatique élémentaire est une autre opération qui implique des choix de
type sémiotique. Cette unité est l'observable sur lequel les méthodes
computationnelles exécutent leurs manipulations. Lorsque le paragraphe, l'article au
complet ou la phrase sont choisis comme unité élémentaire, les résultats doivent être
interprétés de manière différente. Chacun de ces choix comporte aussi des problèmes
techniques de type computable ou linguistique.
 373

Par exemple, l'opération de segmentation en phrases peut comporter différents

niveaux de complexité et cela, selon la notion d'unité syntagmatique élémentaire que
le chercheur est prêt à adopter. De manière simple, on peut dire qu'il est possible de
distinguer une séquence de syntagmes délimitée par une ponctuation et une séquence
de syntagmes indépendante du point de vue grammatical. Ainsi, on peut donc
distinguer la phrase de la proposition, cette dernière devant être comprise dans sa
conception linguistique classique. Une phrase est généralement délimitée par un signe
de ponctuation, alors qu'une proposition est une suite syntagmatique complète qui ne
nécessite pas de la ponctuation pour être identifiée. Par conséquent, si une phrase
contient deux propositions coordonnées, il est possible de les séparer en deux unités
syntagmatiques distinctes. Par exemple, la phrase « il disait d'aller faire une visite à
des amis, mais il allait jouer au casino en réalité » peut être considérée comme une
seule unité syntagmatique élémentaire, ou encore comme deux unités. Cette typologie
de segmentation peut devenir très complexe à cause de la propriété récursive du
langage. Les phrases contenant des propositions emboîtées ou interrompues et
reprises ensuite ne constituent pas des exceptions rares pour des langues comme le
français ou l'anglais. La segmentation en propositions peut être résolue avec des
outils avancés de reconnaissance de la structure syntaxique de la phrase.

Dans un contexte d'analyse de texte, l'unité syntagmatique élémentaire peut aussi

être un segment composé de plus d'une phrase ou du texte au complet. Dans _certains
contextes de recherche, la segmentation par mot pôle peut être également pertinente.
Cette segmentation consiste à trouver la liste des segments contenant le mot pôle
choisi. Cette liste s'appelle concordance ou, en anglais, KWIC (KeyWord ln Context).
Ce type de segmentation peut être effectué avant ou après la segmentation par phrases,
car il est possible d'obtenir une concordance par fenêtre de mots ou par fenêtre de
phrases. Par exemple, il est possible d'établir que l'unité syntagmatique élémentaire
de notre concordance est la suite de mots ayant dix mots à gauche et dix mots à droite
 374

du mot _pôle; ou encore, il est possible de construire une concordance dans laquelle les
unités syntagmatiques élémentaires sont composées de la phrase qui contient le mot
pôle, en plus d'une phrase à gauche et une phrase à droite. D'autres types de
segmentation existent également, comme la segmentation en paragraphes ou en
sections, mais elles ne peuvent être réalisées que si le chercheur dispose
préalablement des informations nécessaires à leur identification.

Enfin, la segmentation détermine les unités syntagmatiques élémentaires que le

chercheur entend utiliser et qui sont le plus adaptées à son contexte de recherche.
Chaque décision prise à ce niveau est donc très importante pour les résultats et pour la
configuration des algorithmes à utiliser dans les phases successives de la chaîne de
traitement, par exemple dans la construction du modèle vectoriel. Dans notre cas,
cette étape a été relativement simple, car nous avons choisi l'article au complet, mais
la méthode permet également d'utiliser d'autres types de segmentation. L'important
est de demeurer conscient du fait que l'unité syntagmatique élémentaire est
l'observation utilisée par les modèles computationnels, ce qui affecte directement les
résultats.

6.2.4 Le paradigme distributionnel

Le cœur de· notre approche méthodologique réside dans l'utilisation du paradigme

vectoriel pour l'analyse de texte. Toutefois, la représentation du texte dans un espace
vectoriel n'est qu'un des modèles qui peuvent être utilisés dans l'analyse de texte
assistée par ordinateur. Notre choix a été motivé pour plusieurs raisons : la simplicité
du modèle; sa diffusion dans la communauté d'analystes du domaine de la fouille de
textes (text mining) et le fait que le modèle vectoriel partage les mêmes racines
linguistiques et épistemologiques que les méthodes et le cadre sémiotique choisis
pour ce travail. En effet, le paradigme distributionnel est assurément apparenté au
paradigme structuraliste (Rieger, 1997; Sahlgren, 2006, 2008), ce ql!i permet
 375

d'approfondir les liens qu'ils entretiennent et les implications sémiotiques de

l'utilisation du paradigme vectoriel dans notre thèse.

Le lien principal entre ces deux univers apparemment éloignés est le concept de
valeur (Sahlgren, 2006, 2008). Pour la sémiotique saussurienne, la valeur se définit à
l'intérieur d'un système discret, dans lequel les éléments qui le constituent s'opposent
et, par cette opposition, constituent la valeur de chaque signe. Ce dernier est donc
porteur d'une « fraction de sens» qui se construit en opposition à d'autres signes.
Cette conception est complémentaire à l'hypothèse distributionnelle. En particulier, le
transfert d'un texte dans un modèle vectoriel correspond à la construction d'un
système discret, exactement comme prévu par Saussure. Un mot prend sa valeur
numérique (qui est la valeur de la fonction de pondération) en relation avec le
système où il est situé. Le chiffre qui correspond à sa valeur numérique change en
fonction des mots ou des textes qui sont insérés dans le système. Si un mot ou un .
texte est ajouté, la valeur numérique de chaque mot change, car dans ce système
discret chacune de ses composa!ltes prend une position en opposition aux autres. En
d'autres termes, les caractéristiques discrètes de la valeur linguistique sont traduites
dans une valeur numérique qui est déterminée par ses relations avec les autres
éléments présents dans le système.

Cette ressemblance entre la valeur linguistique et la valeur mathématique du modèle

vectoriel a été observée par d'autres auteurs, parmi lesquels Sahlgren _est
probablement le premier (Sahlgren, 2006, 2008). D'autres auteurs ont utilisé la notion
de valeur pour souligner le chevauchement entre l'analyse sémiotique et un domaine
connexe à la sémantique vectorielle, l'analyse de données (data mining) :

La deuxième ressemblance fondamentale entre l'analyse sémiotique et l'analyse

de données réside dans le fait que les deux ne travaillent que sur des
différences: tout traitement algorithmique est fondé sur la manipulation
 376

d'éléments qui n'ont, pour la machine, qu'une valeur différentielle. [ ... ]

Finalement, chaque « individu » est un point défini par sa position dans un
système de représentation, par des coordonnées sur un espace
multidimensionnel où chaque dimension est une variable. À la fin du processus,
la substance de départ (la personne, le mot) n'est connue que par sa forme, par
les écarts qui permettent de différencier une observation d'une autre.
(Compagno,2017,p.51)

Ces réflexions font partie d'un débat qui n'est qu'à son début, c'est-à-dire le débat
pour la construction d'une sémiotique computationnelle. Notre avis sur le
chevauchement entre la valeur linguistique et la valeur numérique du modèle
vectoriel sera explorée davantage dans le prochain paragraphe, lorsque nous
discuterons des caractéristiques spécifiques à la fonction de pondération.

[Link] Le rôle de la pondération

La pondération est [Link] qui assigne une valeur numérique à chaque mot pour
chaque unité syntagmatique élémentaire. Elle est donc une des fonctions computables
les plus importantes de notre méthode. Elle comporte également des implications
sémiotiques. Pour explorer les caractéristiques de cette fonction, nous commençons
par décrire le contexte de sa mise en œuvre.

La réflexion sur les différentes fonctions de pondération a été surtout développée

dans le domaine de la recherche d'informations, pendant les années 1960 et 1970
grâce à l'équipe de Salton. Dans ce cadre, l'introduction de la fonction de pondération
Tf-Idf a mené à une augmenta~ion des performances des moteurs de recherche. Le but
de la recherche d'informations est de créer une requête et de sélectionner les
documents qui lui sont les plus similaires. La qualité des documents sélectionnés en
fonction d'une requête est généralement évaluée par les indices de précision et de
rappel. La précision mesure la proportion d'information pertinente qui a été
sélectionnée par le moteur de recherche. Le rappel mesure la proportion
 377

d'information pertinente qui a été sélectionnée, mais en fonction de la quantité

d'information pertinente totale qui est disponible dans la base de données pour la
requête. En d'autres termes, la précision se concentre sur la quantité d'information
pertinente qui a été sélectionnée, alors que le rappel évalue la quantité d'information
pertinente qui a été oubliée. Un bas taux de précision signifie que, parmi les
documents sélectionnés par le moteur de recherche, peu sont pertinents en fonction de
la requête. Un bas taux de rappel signifie que le moteur de recherche a « oublié » des
documents pertinents et ne les a donc pas sélectionnés.

La pondération joue un rôle important dans les performances d'un moteur de

recherche. D'une part, il a été démontré que la fréquence des caractéristiques est
déterminante pour améliorer le rappel. Ceci est dû au fait que plus une caractéristique
présente dans la requête se retrouve dans les mêmes documents, plus ces documents
sont susceptibles d'être sélectionnés. Cependant, la fréquence de caractéristiques ne
suffit pas. En effet, si une caractéristique particulière présente dans la requête n'est
pas propre à un certain nombre de documents, mais qu'elle est également distribuée
dans le corpus, alors le moteur de recherche tendra à sélectionner la majorité des
documents du corpus, ce qui réduit énormément le taux de précision. Pour dépasser
ces limites, l'équipe de Salton (1988) a introduit la notion de fréquence documentaire
inverse, afin d'augmenter la possibilité de faire ressortir les termes discriminants
c'est-à-dire les caractéristiques des documents qui sont les plus pertinentes pour
discriminer et distinguer les documents entre eux. Ceci implique que la Tf-Idf est une
fonction de pondération qui met en valeur les différences entre les documents, car les
termes ayant une valeur élevée seront ceux présentant une fréquence élevée et une
distribution limitée dans le corpus.

La pondération est aussi très importante dans un contexte d'analyse de texte assistée
par ordinateur. Une bonne partie de la puissance du modèle vectoriel dépend de cette
 378

fonction et de plus, elle constitue le cœur de la représentation vectorielle du texte. La

pondération tient aussi un rôle de soutien des hypothèses et des postulats iiés à la
représentation mathématique du « sens ». Dans l'exemple des documents « Doc 1 » et
« Doc 2 » de la matrice U (cfr. [Link]), la représentation vectorielle du «sens» de
ces phrases est assumée par la fréquence des lemmes qu'ils contiennent. Affirmer que
la fréquence des lemmes dans un document est suffisante pour décrire le « sens » du
document constitue une simplification qui ne ferait sûrement pas l'unanimité au sein
de la communauté des sémiologues ou des linguistes. Toute représentation
mathématique du texte mène inévitablement à des compromis entre la simplicité du
modèle mathématique et la complexité de toute sérniosphère.

Cependant, les hypothèses et les postulats linguistiques en cause lors de la

transformation d'un corpus en une matrice selon une fonction de pondération sont
complémentaires de la conception structuraliste du sens. Plus particulièrement, les
·hypothèses des fonctions de pondération sont complémentaires de la définition du
concept de valeur et ceci, surtout si on considère la notion de poids mise en place par
la fonction de pondération Tf-Idf. Dans le Cours de linguistique générale, Saussure
définit le concept de valeur en le distinguant de celui de signification, même si les
deux termes demeurent complémentaires. La signification est le mouvement du
signifiant vers le signifié, donc de l'image acoustique vers le concept. Par exemple,
en anglais le mot « sheep » a la même signification que le mot français mouton.
Toutefois, le mot « sheep » ne peut pas être utilisé dans des contextes similaires à
ceux dans lesquels le mot « mouton » est employé. En effet, pour indiquer une pièce
de viande de mouton servie pendant un repas, en anglais on utilise le mot « mutton »,
alors qu'en français on garde le même terme. Dans ce cas, « sheep » n'a donc pas la
même valeur que « mouton » car il est remplacé par le mot « mutton » dans certains
contextes. La valeur est une notion qui intègre plus directement la langue et le
concept de système au contexte syntagmatique de l'usage des mots. Comme on l'a vu,
 379

le mot « mutton » diffère du mot « sheep » et cette différence existe dans le système
« langue », ce qui confère une valeur différente aux deux mots. Autrement dit, la
valeur indique la position spécifique de chaque mot dans le système discret de la
langue. Chaque mot organise la pensée d'une communauté linguistique qui « n'est
qu'une masse amorphe et indistincte» (Saussure, 1916, p. 120) :

Philosophes et linguistes se sont toujours accordés à reconnaître que, sans le

secours des signes, nous serions incapables de distinguer deux idées d'une
façon claire et constante. Prise en elle-même, la pensée est comme une
nébuleuse où rien n'est nécessairement délimité. Il n'y a pas d'idées préétablies,
et rien n'est distinct avant l'apparition de la langue. (Saussure, 1916, p. 120)

Pour Saussure, la substance de la pensée est un continu amorphe qui peut assumer des
formes définies seulement par le biais de la langue; ce concept a été repris et complété
par Hjelmlev. Pour Saussure, la langue est un système discret de signes qui donne
forme à la pensée amorphe. Dans ce cadre, le signe linguistique se met « en condition
de signifier» seulement à l'intérieur d'un système discret et non analogique, composé
d'éléments qui s'opposent entre eux. Saussure propose donc ce type de schéma
(figure 6.2) :

Figure 6.2 L'exemple de la feuille de papier (Saussure, 1916, p. 120)

où (A) illustre les « idées confuses » et (B) représente le flou continu de tous les sons
possibles, alors que les lignes ·verticales sont les mots qui donnent forme à la pensée.
 380

L'image qui permet le mieux de comprendre ce schéma est celle de la feuille de

papier. La langue est comparée à une feuille où la pensée est le recto et le signe
perceptible est le verso. Lorsqu'on coupe le papier, il est impossible de couper le
verso sans couper le recto. De la même manière, la langue coupe la pensée amorphe
et construit un système discret.

Par sa proposition « dans la langue, il n'y a que des différences », Saussure accorde
de l'importance à la position que le signe prend dans le système à l'intérieur du
processus de la signification. Ce sont les différences entre les mots qui donnent la
valeur à chaque forme de pensée constituée et perceptible par la langue. Ainsi, la
signification se définit verticalement à travers la relation arbitraire entre signifiant et
signifié, alors que le plan horizontal est dominé par les relations discrètes et
intrasystémiques entre les signes. Ceci est décrit par un schéma proposé par Saussure
lui-même:

... - • - f •
....,__.. • •r-.. . .----~

Figure 6.3 Illustration de la dépendance. intrasystémique de la valeur linguistique

·(Saussure, 1916, p. 122)

Dans cette illustration, Saussure montre comment la signification s'organise sur deux
plans, soit celui du signifiant et du signifié et celui des relations intrasystémiques. La
valeur est l'élément qui donne du poids aux relations intrasystérniques et permet
l'intégration de ces dernières dans les processus de la signification. En d'autres
termes, le processus de signification d'un mot n'est pas limité à la relation arbitraire
entre signifiant et signifié, car sa valeur est établie en évaluant les relations que le
 381

mot entretient avec les autres. Enfin, pour Saussure, la valeur d'un mot est le résultat
d'une fonction qui permet de le distinguer des autres mots. En effet, il affirme :

En outre, l'idée de valeur, ainsi déterminée, nous montre que c'est une grande
illusion de considérer un terme simplement comme l'union d'un certain son
avec un certain concept. Le définir ainsi, ce serait l'isoler du système dont il fait
partie; ce serait croire qu'on peut commencer par les termes et construire le
système en en faisant la somme, alors qu'au contraire c'est du tout solidaire
qu'il faut partir pour obtenir par analyse les éléments qu'il renferme [ ... ].
Puisque la langue est un système dont tous les termes sont solidaires et où la
valeur de l'un ne résulte que de la présence simultanée des autres [ ... ].
(Saussure, 1916, p. 123)

À notre avis, la notion de valeur constitue une base théorique et méthodologique de

nature sémiotique pour comprendre la notion de « poids » présente dans la fonction
Tf-Idf. En effet, de manière similaire à la notion de valeur chez Saussure, l'qbjectif de
la fonction Tf-Idf est d'intégrer la globalité du système dans lequel un mot (ou lemme)
s'insère afin d'évaluer son «poids» dans un document. En assignant un poids à
chaque occurrence d'un mot (lemme), la fonction Tf-Idf évalue toujours sa valeur,
c'est-à-dire la position qu'il occupe à l'intérieur del'« univers clos» qui constitue le
corpus. Si la valeur linguistique d'un mot se définit à l'intérieur du système-langue, le
poids Tf-Idf d'un mot (lemme) est défini à l'intérieur du système-corpus. Le système
dans lequel un mot se positionne, qu'il soit général comme la langue ou relatif
comme un corpus, ne peut être construit en commençant « par les termes et [ ... ] en en
faisant la somme», mais en débutant par le « tout solidaire», c'est-à-dire par les
relations entre les éléments qui le constituent.

Il nous apparaît aussi que Rastier va dans le même sens quand il affirme que :

Ainsi, la valeur n'est pas un signe, mais une relation entre signifiés. Elle exclut
une définition atomiste du signe, qui le pourvoirait a priori d'une signification -
car une signification est un résultat, non une donnée. Elle interdit la définition
 382

compositionnelle du sens, puisqu'en tant que principe structural elle établit la

détermination du local par le global. Il faut alors admettre que le contenu du
signe n'est pas un concept universel, mais un signifié relatif à une langue, voire
à un texte et à un corpus (Rastier, 2011, p. 30)

Bien que Rastier ne fasse aucun lien avec la notion de Tf-Idf, sa compréhension du
concept de valeur est complémentaire à la nôtre. Plus particulièrement, Rastier
souligne que la valeur établit « la détermination du local par le global », ce qui est
l'objectif exact de la fonction Tf-Idf. Rastier continue en affirmant que :

[... ] sur l'axe syntagmatique, les classes sont définies par observation des
cooccurrences : or, la création de listes de cooccurrences est une des opérations
les plus simples et les plus éprouvées que permet la linguistique de corpus.
Ainsi le concept de valeur étend-il également son efficacité aux groupements
syntagmatiques que définissent les contextes : il importe donc à présent de
redéfinir la valeur comme un rapport du texte à ses unités constituantes d'une
part, à son corpus d'autre part (Rastier, 2011, p. 30)
,'

Ce dernier extrait met en évidence le rôle du concept de valeur dans un cadre

d'analyse propre à la linguistique de corpus. La valeur a un rôle très important dans la
détermination du poids que les unités du texte ont en fonction du corpus ce qui
implique, selon nous, d'identifier la valeur relative d'un mot à travers le jeu de
cooccurrence auquel il participe dans les textes et dans le corpus.

En résumé, nous estimons que la fonction Tf-Idf est une hypothèse « involontaire »
pour approximer mathématiquement le concept de valeur chez Saussure. Comme
pour le linguiste, la fonction Tf-Idf évite d'isoler le mot du corpus dont il fait partie et
pour ce faire, la fréquence des mots est combinée à la fréquence documentaire inverse.
De cette façon et comme la valeur linguistique, le Tf-Idf met en évidence les
oppositions et les différences entre les termes avec pour objectif de trouver les seuils
discriminants entre les mots. Enfin, comme le dirait Saussure, dans le corpus il n '.Y a
que différences.
 383

[Link] Les spécificités techniques du modèle sémantique vectoriel

Le modèle sémantique rend possible la représentation vectorielle d'un texte. Cette

représentation possède des caractéristiques particulières directement dépendantes du
phénomène dans lequel ses objets, les textes, s'inscrivent. Ce phénomène est le
langage. Les caractéristiques principales du modèle sémantique vectoriel mènent à
deux problèmes: le problème des matrices creuses et la malédiction dimensionnelle.

Le problème des matrices creuses, appelé sparsity, sparseness ou data sparseness

problem en anglais, est un sujet bien connu en fouille de données et il caractérise
plusieurs typologies de jeux de données. Dans le contexte de la représentation
vectorielle du texte, ce phénomène est dû à deux facteurs intrinsèques au langage. Le
premier est la richesse lexicale. Il existe un nombre limité d'unités phonologiques
élémentaires dans les langues alphabétiques et syllabiques, mais grâce au principe de
la compositionnalité (Simone, 2005), elles peuvent s'agencer pour former des
centaines de milliers de mots différents. Cette variété lexicale des langues et des
textes constitue un véritable défi pour la représentation vectorielle. Tel que présenté
dans les paragraphes précédents, chaque mot qui apparaît dans un document est
· considéré comme une variable nominale et est transformé en un format computable.
La conversion d'une variable nominale en une variable .computable est une notion
élémentaire en statistique (Bertrand R., 1986) qui, dans un contexte vectoriel, mène à
la définition d'une matrice (de type documents-mots) contenant une colonne pour
chaque mot. Ceci implique que l'entièreté du vocabulaire d'un document, par
exemple, est utilisée pour former les colonnes ·de la matrice qui le représente
mathématiquement. Si le texte fait partie d'un corpus, la matrice s'agrandira du point
de vue des colonnes, car plusieurs autres mots différents seront contenus dans
d'autres textes du corpus et du point de vue des lignes, car chaque nouveau document
ajouté constituera une nouvelle ligne. Enfin, le vocabulaire entier d'un corpus sera
utilisé pour décrire chaque document, ce qui implique que seule une mince partie des
 384

cellules de la matrice sera remplie, la grande majorité étant composée de zéro. Par
exemple, chaque phrase, n'utilisant que quelques dizaines de mots parmi les milliers
de mots du corpus, n'apporte que peu d'information en relation avec les milliers
d'informations possibles. Cette« pénurie» d'information du document conduit à des
matrices creuses, c'est-à-dire des matrices contenant surtout des zéros, généralement
entre 90 % et 99 %. Par exemple, la phrase « La linguistique est enseignée à
l'université », après prétraitement, est représentée ainsi à la ligne « Doc 1 » du
tableau 6.2 :

Tableau 6.2 Exemple d'une matrice binaire pour la phrase « La linguistique est
enseignée à l'université », suivi d'une deuxième phrase.
Doc/
Mots
DJ

...
tD
"'C
"'C
DJ

...
n
DJ
"'"'tD
tD
::::s
"'
....C
tl),

O'Q
::::s
"'C
:::T
0
-
...
"'C
0
"'DJ
tD
"'
tl),
3
C
::::s
<'
...
-
3
~-
tD Q. C
c:;· tD
....
tD
tD 00' iii' "'0 0

...
::::s
...
::::s
....
::::s "'"'tD .c "';::; 3
-· ...
Q.
tD .ë' "'C
:::T C C tl),
tD C
tD tD tD

Doc 1 0 0 0 1 0 1 0 0 0 0 1 ...
Doc 2 l 1 1 0 1 0 1 0 0 0 0 ...
n doc ... ... . .. ... ... ... ... . .. ... ... ... ...

Dans cet exemple, 12 lemmes forment les 12 colonnes de la matrice. Pour la ligne
« Doc 1 », trois cellules sont remplies et neuf sont vides. Dans des cas réels, le
vocabulaire est plus grand et les matrices atteignent des dizaines de milliers de
colonnes qui, pour la majorité, contiennent des zéros. La proportion d'informations
pertinentes pour effectuer des analyses est donc très mince.

Le deuxième facteur intrinsèque au langage qui mène aux matrices creuses est la loi
de Zipf, qui caractérise la distribution des fréquences lexicales d'une langue et qui est
liée à un autre principe qui caractérise le langage, soit 1~ loi du moindre effort
(Simone, 2005). La loi de Zipf est formalisée par la formule mathématique suivante :
 385

f *r = C (cfr. 2.1.2). Cette loi montre que la fréquence d'un mot est inversement
proportionnelle à son rang. Par exemple, si, chaque mot a une fréquence f et que le
mot le plus fréquent possède une valeur de fréquence x, alors les mots successifs
auront une valeur de fréquence plus petite, qui se réduit de manière proportionnelle à
leur rang. Par exemple, si le mot le plus fréquent a une valeur f de 8 000, alors le
dixième mot le plus fréquent a une valeur f de 800, le centième mot de 80, etc. La loi
de Zipf montre que seulement une partie réduite du vocabulaire d'une langue est très
fréquente, la plus grande partie du vocabulaire étant très peu présente. Ce phénomène
conduit également à des matrices creuses et à des variables nominales très rares. Par
exemple, le verbe «jouxter» est très peu employé, même dans un corpus littéraire, ce
qui implique que la colonne correspondante sera composée à plus de 99.9 % de zéros.
La loi de Zipf augmente donc la « pénurie d'information» avec laquelle une
représentation vectorielle du texte doit composer.

Le phénomène de la malédiction dimensionnelle est directement lié au problème des

matrices creuses et il a des impacts importants dans la construction de l'espace
vectoriel. Il s'applique à toute matrice ayant des centaines ou des milliers de
dimensions, ce qui est de plus en plus fréquent dans les jeux de données disponibles
de nos jours. En effet, les données à grande dimensionnalité sont très fréquentes dans
plusieurs disciplines (Giraud, 2015; Masulli et al., 2015), comme en biotechnologie
par exemple avec les données sur les séquences d'ADN, en traitement des images, où
chacune d'entre elles peut avoir des centaines de milliers de caractéristiques selon sa
résolution et le nombre de pixels et en marketing, où des milliers de variables
décrivent le comportement des individus, etc. Le texte fait partie de cette liste de
domaines, car une collection de textes est représentée par des milliers de dimensions.
Tous ces jeux de données ont en commun des caractéristiques liées au phénomène de
la malédiction dimensionnelle (Giraud, 2015; Steinbach et al., 2004). Sans entrer
dans les aspects mathématiques du phénomène, il est possible d'en synthétiser les
 386

impacts de la manière suivante : dans un espace à grande dimensionnalité, les espaces

sont vastes et les points sont « isolés dans cette immensité », ce qui implique que plus
des dimensions sont ajoutées, plus le calcul des similarités ou des corrélations entre
les entrées du jeu de données analysées devient difficile. Ainsi, chaque caractéristique,
variable ou dimension qui est ajoutée mène à une réduction du « pouvoir prédictif».

Pour décrire le phénomène du point « perdu dans un espace immense », nous nous _
inspirons de l'exemple décrit dans Bishop (2006). Imaginons que nous disposions
d'un jeu de donnée à deux dimensions. Chaque indiv_idu peut donc être représenté
dans un graphique à deux dimensions comme dans la figure suivante (figure 6.4).

q
,... 0 0 O '()
oo_,000 c-8:o o OéjP O O O O t, .,..o
o .i°ooo o'<> o/: o'ooo oooqÇ oo oooV '"O

o1o
0 <) 8 0
o .J,o 0
oo o 6> o
go oo o i
0 O O O 0
o
;Po o cl}
OF,) 00 0 ,) ô> O 00
o o Oo o oo
(D 0 O O On 0o Q;f:P () 0 0 l3 000 0
ô>
8'§([> '0 0 o 0 o o <ID,.,o
ci <, (è, 0 O çr O O O o 0 (S,O OQ<J""'
o o o0 0 o o O Cl§>o:,'5,ef>o(!JJ'ê 00 ,5)00 00 - ô>O
.a. 0 ,-,., O 0 0 0 O (Y
OWOC>O ""°~0..,8 ~CO : •) 00 O O ,~ 0 O O O O 0
oo o;ooo oo . 0
' 0 O O O
°'<P
<b <è::, Oo O
<Q
0
0 O O Oo O O

>- .... oo __ c,0_ O· o . ,o·· X o o ol:i_ oBo __ -OOoo·

. •) <• 0 0 0 8
'-"" oo o . 0 o o 0 ro o <o
q: v ·> (· .·,,...,··· .,. . <;,:, a::o oo o O o <:r o o oo
0 .,.,.. 0-:-- ,...O')o··io °o ooOoooo o~o
~t,
,,.()o
0 -Set (',,·">V ·- 0 . V< 0 V r, 0.> <.}Ù', 8 'O O O O 0 8_ 0
-j
•-Y-"'ô "-0
' 0 . ·Y
. C ~;
• 'l
0 6 (· <· 0 0
O
0 0 00 0
80 Q) 0
0
0 "),,,.. -fCv V•),:. ., 0 0 08'3 <&, (o O 000
80 0
~l O(J)~
N 0 ...,.. G..,.._ (.(. •..J -"'1 ~·)-. 0 <.. V O. 0 <J-· 0 00 0 Oo 0
ci 0 c-;f' ·-'/0 C•O <·,p ··o <· .<,~ ~x S-:- CO O (1) cf)O <80 o (1) '9 0
,q._v &c-ü,... __ ;-{i .) o-:rt~:_:--• og:,
o·-• •)- ..,._ .;ô'vo
""'o_
00'
c
e,6 . . . ~)(;;,?:ç.« 0
c .. i)
<9°
o o od)oo>
0 o
Oo o
'9(:)0 °ooco oo
0 0
o

q ' <· ,,:, C C_ (.O 00 i• 0 <·

·.· • <lj O O O O <!lO O 6'
o'Y d ·o o o .,, 0 o 0 v r...<> ) 0 o o o o O
O o o o&::Po 0
0

0.0 0.2 0.4 0.6 0.8 1.0

Figure 6.4 Jeu de données à deux dimensions représentées dans un espace plan

Dans cet exemple, il y a environ 800 individus qui sont situés dans l'espace à deux
dimensions. Les caractéristiques x et y qui décrivent les individus peuvent avoir une
valeur entre 0 et 1. En examinant la figure 6.4, quatre classes d'individus peuvent être
identifiées, les individus en bleu ayant la caractéristique y supérieure à 0.5 et la
 387

caractéristique x inférieure à 0.5, les individus rouges, possédant la caractéristique x

supérieure à 0.5 et la caractéristique y inférieure à 0.5; et ainsi de suite pour la classe
verte et la classe noire. Imaginons que nous voulions utiliser cette classification pour
identifier la classe d'un nouvel individu, représenté par le «X» (figure 6.4). La
question est donc la suivante: à quelle classe le nouveau point appartient-il? Le point
pourrait faire partie de la classe rouge parce qu'il entre dans le rectangle associé à la
classe rouge, mais on peut aussi croire qu'il appartient à la classe noire, car le point le
plus proche appartient à cette dernière classe. Quelle sera notre stratégie de
classification?

Ce genre de questionnement devient encore plus complexe dans un espace à trois

dimensions (figure 6.5), car les points sont encore plus isolés. L'œil humain n'étant
pas capable de visualiser plus de trois dimensions, chaque espace perçu par l'être
humain ne peut donc comporter que trois dimensions.
 388

600
200 400
0

"Il
$ "'
@* $ •
f"± A 0.8

&
•.*
.• ,. . $ ••

(JU ©@ • '
* @
@ ' ,a
0

•• ,CJf "' @ . , ,
0.6
• • . .. le e
- *1 • -.. %@ t$

X 1.w
T @ • • • •

* .. wl'
(!f •
•
• •• • •a·*' ••* ...~• •*·' . •• •
.•....:... . ~-~-1.·... ...••a~.
.'~
· .I_--, . •••.
®
B .. fi• e • ••• • 0.4
$$ ••• •
••• . •® • , . •• • •
• • Y' • -- • a._

....
0.2

.,,,••••
~-
•JI ••

-· .. 1 f
• ••
1 ••

Figure 6.5 Représentation d' un jeu de données en trois dimensions

Or, la représentation vectoriell~ d'un texte peut comporter des milliers de dimensions,
ce qui correspond à des milliers de plans ou à des milliers d'axes à l'intérieur
desquels les points se situent. Dans un espace en milliers de dimensions, même les
concepts les plus simples de la géométrie euclidienne, comme la distance, deviennent
flous et ambigus. La distance entre deuX: points est effectivement moins précise dans
un espace comportant des milliers de dimensions (Aggarwal et al. , 2001 ; Hinneburg
et al. , 2000). Ceci entraîne donc que la discrimination entre les points les plus
proches ou les points les plus loin devient très difficile à évaluer. En augmentant les
dimensions d' une matrice, on observe les phénomènes suivants :

1- La distance minimale entre deux points augmente

 389

2- La majorité des points ont une distance similaire et donc la notion de point le
plus proche _est difficilement utilisable

Pour décrire ces phénomènes, reprenons l'exemple de Giraud (2015), qui comporte
quatre histogrammes représentant la distance entre toutes les paires de points (figure
6.6).

dimension = 2 dimension = 10

@
g0
8 C
Cil 0
:J
tT i:J ..,.
0

l 8
N
ù: 8
t.'I

0 0

0.0 0.5 1.0 1.5 0.0 0.5 1.0 1.5 2.0

distance between points distance between points

dimension= 100 dimension= 1000

s §
0 8
g Î)' w
g 8
i ..,.8 i ..,.
ù: ù:
8
N

0 0

0 2 3 4 5 0 5 10 15

distance between points distance between points

Figure 6.6 Histogrammes des distances de toutes les paires possibles parmi 100
points échantillonnés de manière uniforme. La différence entre les quatre
histogrammes est le nombre de dimensions que les points ont dans leur représentation
vectqrielle (dimension= 2, 10, 100 et 1000) (Giraud, 2015, p. 4)

Dans un espace à deux dimensions, on remarque que beaucoup de paires ont une
distance supérieure à 0.5 et qu'un certain nombre de paires sont très proches, la
distance étant inférieure à 0.3. En augmentant les dimensions de deux à 10, 100 ou
 390

1000, la distance minimale observée augmente et la majorité des distances observées

entre les paires de points sont situées dans une échelle réduite (par exemple, entre 12
et 14 pour un espace à 1 000 dimensions).

Dans un contexte de type textuel, ces considérations peuvent être résumées comme
suit:

the unifying thread that binds together many short context applications and
methods is the fact that similarity decisions must be made between contexts that
share few (if any) words in common. (Pedersen, 2008, p. 1)

Ce passage souligne donc le fait que les caractéristiques significatives identifiant

deux documents similaires sont minimes et que la majorité des documents se situe à
une distance difficile à interpréter.

Pour ces raisons, il est préférable de réduire ces impacts néfastes au moyen de
techniques de réduction des dimensions, pour lesquelles il existe plusieurs types
d'approche. Ce sujet n'a pas été traité dans cette thèse, même s'il aurait mérité un
approfondissement. Certaines de ces méthodes sont utilisées également pour
améliorer les performances du clustering. En ce sens, ceci représente une limite de
notre méthode. Plus particulièrement, il serait utile d'approfondir la connaissance des
méthodes de réduction par lissage ou basées sur des classes construites a priori, mais
surtout les méthodes de réduction .des dimensions par des techniques comme
l'analyse en composantes principales (en anglais, Principal Component Analysis) et
le positionnement multidimensionnel (en anglais, Multidimensional Scaling).
L'utilisation de ces dernières est, par exemple, très répandue pour l'amélioration des
résultats de clustering (Aggarwal et Zhai, 2012). Une brève description des concepts
liés à ces techniques est esquissée au paragraphe suivant.
 391

6.2.5 Le filtrage des caractéristiques

Le filtrage des caractéristiques est une opération qui peut être exécutée grâce à une
variété de méthodes. Elle peut être abordée comme un problème de sélection des
caractéristiques les plus importantes (en anglais, features selection) ou comme un
problème de réduction de la dimensionnalité. En réalité, ces deux approches
s'entremêlent entre elles, car l'opération de sélection des caractéristiques correspond
à une réduction des dimensions. Toutefois, elles demeurent très différentes l'une de
l'autre. La réduction de la dimensionnalité est une opération accomplie sur des jeux
de données ne comportant pas de catégories préalables (unlabeled data) et elle peut
être exécutée avec une famille spécifique de méthodes, dont font partie la
décomposition en valeurs singulières (en anglais, Singular Value Decomposition),
l'analyse en composantes principales (en anglais, Principal Component Analysis) et
le positionnement multidimensionnel (en anglais, Multi-Dimensional Scaling).
Chacune de ces méthodes réduit les dimensions par des calculs matriciels, ce qui
consiste à « regrouper » les dimensions en un plus petit nombre par une sorte
d'opération de compactage. En d'autres termes, ces méthodes «résument»
l'information à plusieurs dimensions en un nombre réduit de composantes. Elles
peuvent être utilisées pour plusieurs tâches qui vont de la transformation des matrices
pour les préparer aux _analyses à la visualisation des données. Lors de la réduction
dimensionnelle, les composantes de la matrice ne sont plus interprétables comme des
caractéristiques, car elles sont transformées en objets de nature différente.

Par contre, le filtrage par sélection des caractéristiques permet de maintenir la nature
de chaque dimension telle quelle, ce qui en fait une approche très utilisée lorsque
l'interprétation des dimensions restantes est importante. Plusieurs méthodes sont
utilisées pour établir quelles sont les caractéristiques les plus signifiantes d'un jeu de
données. Çertaines sont utilisées avec un jeu de données possédant des catégories
définies préalablement (labeled data) comme le khi-deux ou l'information mutuelle,
 392

ce qui correspond à identifier les spécificités des classes composant un échantillon

d'apprentissage. Dans le cas des données non catégorisées, la sélection des
caractéristiques est plus complexe et plusieurs typologies d'heuristique et
d'algorithmes sont employées.

Dans le cas de cette thèse nous nous sommes limités à sélectionner les
caractéristiques par des catégories obtenues grâce à l'annotation morphosyntaxique,
tel que décrit dans le chapitre de la méthode (cfr. 3.4.1). Nous avons choisi de ne pas
exécuter la réduction dimensionnelle afin de garder des variables signifiantes.
Toutefois, d'autres chaînes de traitement, caractérisées par une combinaison des
méthodes, pourraient également être envisagées, surtout dans le but d'améliorer les
performances du clustering.

6.2.6 Le clustering

Une des questions de recherche de la thèse est la suivante: comment peut-on assister
computationnellement une analyse sémiotique du texte journalistique avec une
approche théorique basée sur la notion de narrativité? Cette question mènerait à un
recensement de la panoplie d'outils et d'algorithmes existants, afin d'en identifier les
plus pertinents. Toutefois, il serait un projet de recherche trop large. Plus simplement
nous avons choisi d'en tester un. Ainsi nous avons identifié dans le clustering la
possibilité d'assister computationnellement l'analyse narrative du texte journalistique.

Cette considération dérive essentiellement de la comparaison entre deux des

méthodes non supervisées les plus utilisées pour l'analyse de texte, soit la
comparaison entre les topic modeling et le clustering. Les deux outils exécutent une
tâche en apparence similaire, mais qui est en réalité différente. Les topic modeling ont
comme but la détection des distributions de mots qui caractérisent les documents
analysés. Ces distributions sont interprétées comme étant des thèmes. Le clustering,
 393

que décrit dans cette thèse, regroupe des documents qui sont similaires entre eux par
rapposrt à leur distribution lexicale. Malgré leur similitude, les deux outils présentent
de grandes différences et ce, surtout lorsqu'on utilise un topic modeling de type
probabiliste. Dans ce cas, même les modèles mathématiques à la base des outils sont
différents.

Toutefois, une certaine confusion demeure dans l'utilisation fréquente du clustering

pour trouver de thèmes. En effet, pendant des décennies, les résultats du clustering
ont été interprétés avec un modèle sémiotique qui est plus adapté aux outils de topic
modeling qu'à ceux de clustering. Ce modèle est essentiellement basé sur des
concepts comme ceux d'isotopie et de thème. Dans ce contexte, le cœur de l'analyse
est constitué par la visualisation du vocabulaire le plus fréquent contenu dans les
documents que chaque cluster regroupe. Le vocabulaire le plus fréquent est ensuite
interprété comme une distribution de mots spécifiques au cluster et enfin, ces
distributions sont associées à des thèmes. Le topic modeling exécute des opérations
qui sont plus appropriées pour la détection des distributions de mots interprétables
comme des thèmes. Ainsi, quand les outils de topic modeling se sont diffusés à partir
du début des années 2000 avec l'arrivée des modèles probabilistes de détection
automatique des thèmes (par exemple, le probabilisticLSA ou la Latent Dirichlet
Allocation), le clustering est rapidement devenu« une méthode dépassée».

Toutefois, le modèle sémiotique utilisé pour interpréter les résultats du clustering doit
différer de celui adapté à l'analyse du topic modeling. À tout le moins, le modèle
sémiotique du thème n'est qu'un des modèles qui peuvent être utilisés pour analyser
les résultats du clustering. Toutefois, le clustering exécute des opérations différentes
de celles du topic modeling et, au contraire de ce dernier, ses résultats peuvent être
interprétés avec des modèles sémiotiques différents.
 394

En effet, le concept de similarité lexicale entre les documents est la base même du
clustering et cette question de la similarité lexicale est liée à la similarité sémantique.
La découverte du ou des thèmes défini la similarité constituant alors une bonne façon
de l'interpréter. Toutefois, la similarité sémantique peut être interprétée avec
d'autres modèles sémiotiques. Dans cette thèse, nous avons proposé le concept de
macrostructure et sa configuration narrative. En d'autres termes, lorsque le clustering
regroupe des articles similaires, selon notre proposition, il le fait parce que le lexique
et les cooccurrences lexicales reflètent une macrostructure sémantique de type
narratif. Les relations entre les mots ne sont donc pas interprétées comme une
distribution associée à un thème, mais comme un système complexe de relations
narratives. Il s'agit d'un modèle interprétatif différent de celui du thème pour
analyser les résultats du clustering. En se basant sur le concept de similarité
sémantique, il est probable que d'autres modèles interprétatifs peuvent être construits
ourepns.

Enfin, cette thèse propose un modèle théorique différent pour analyser et interpréter
les résultats du clustering. Lorsqu'on veut soutenir l'analyse narrative du texte
j oumalistique par ces outils computationnels, il est nécessaire d'en choisir un qui
permet d'obtenir des résultats cohérents avec les présupposés qu'un modèle
sémiotique narratif implique. Le tapie modeling ne constitue certainement pas un des
outils aptes à ce genre d'analyse, puisque le modèle sémiotique le plus adapté est
celui de l'isotopie et du thème. Au contraire, le clustering constitue une solution
adéquate, puisque le calcul de la similarité sémantique met en relief des relations
entre mots qui peuvent être interprétées par une méta-sémiotique de type narratif. Le
clustering constitue donc une méthode efficace pour soutenir l'analyse narrative du
texte journalistique.

("
 395

6.2.7 Annotation

L'étape d'annotation est plus que les autres celle qui peut être améliorée et, surtout,
ouvre de nouvelles pistes de recherche pour la sémiotique computationnelle. Dans le
contexte de notre méthode, la phase d'annotation est l'étape que nous permet
d'ajouter de l'information de type sémiotique aux résultats obtenus par le processus
automatique. Lorsque les articles ont été regroupés par des critères de similarité
sémantique, des.échantillons de chaque groupe peuvent être sélectionnés et annotés.
L'annotation permet ainsi d'évaluer la qualité des groupes d'articles obtenus
automatiquement. Lorsque les textes originaux sont repris pour la phase d'annotation,
la méthode implique la mise en place d'une théorie et d'une méthode pour effectuer
cette tâche, qui peuvent changer selon les hypothèses et des objectifs de la recherche.
Le rôle que la sémiotique joue dans ce contexte est très important : fournir de
méthodes pour analyser et interpréter les résultats. Ceci représente sûrement un des
rôles que la sémiotique peut jouer dans un contexte computationnel, c'est-à-dire de la
considérer comme une« théorie de l'annotation», tel que déjà proposé :

Semiotics theory thus has the potential to serve as a general framework for
annotation · design. This could be achieved through examination of the
annotations applied to data consisting of human-created content. [... ] To sum
up, semiotics could serve as a foundational theory for annotation, and this
would reveal the generality of signs underlying human content. (Tanaka-Ishii,
2015, p. 999)

Dans le cadre de cette thèse, le cadre structuraliste et, plus particulièrement, le

métalangage d'inspiration greimassienne a été choisi (cfr. 2.2.1). Cette théorie et ses
méthodes ont été critiquées à plusieurs reprises au cours des derniers 50 ans (Ablali,
2016). Pour combler certaines de ses lacunes, nous avons ajouté au modèle classique
des sous-catégories actantielles (Hébert, 2016). La puissance de ces sous-catégories
ressort principalement lors de la détection de l'axe du pouvoir. Dans cet axe, les
combinaisons entre ces sous-catégories garantissent l'identification des rôles
 396

actantiels spécifiques qui enrichissent davantage le spectre des relations possibles

entre les actants. Comme l'illustre le tableau 2.2, un individu « qui laisse un de ses
amis se noyer» (exemple A) est, pour le schéma original, un simple opposant. En
réalité, son rôle actantiel est bien plus complexe. Un opposant actif, par exemple,
accomplit des actions concrètes afin que la personne ne soit pas sauvée, alors qu'un
adjuvant passif est un adjuvant qui n'accomplit aucune action.

Toutefois, l'utilisation de ce métalangage dans un cadre d'analyse du texte

journalistique et d'un corpus de grande taille met en relief d'autres limites. En effet,
pour certaines typologies de texte, comme les éditoriaux ou d'autres types d'articles
d'opinion, plusieurs difficultés apparaissent. Le saut entre le plan discursif observé et
la complexité de la couche d'annotation qui est impliquée par les structures sémio-
narratives rend alors le modèle actantiel inutilisable. En d'autres termes, les structures
sémio-narratives rendent le plan discursif des articles d'opinion trop complexe, ce qui
pose des problèmes d'application du modèle. Lorsque dans un article d'opinion, le
journaliste évoque plusieurs programmes narratifs différents, l'~otation de ses
structures narratives devient difficile. Une des solutions possibles pour simplifier
l'annotation est de mettre en valeur l'acte d'énonciation et ses simulacres, mais ainsi
l'analyse tend alors à se limiter sur les intentions communicatives du journaliste ou
de l'éditeur. Tel que présenté au point 5.1.7, le seul élément qui nous a permis
d'identifier des structures sémio-narratives communes dans les articles d'opinion est
le destinataire. Mais cet élément est insuffisant pour identifier une macrostructure.
Pour la plupart, les journalistes évoquent des acteurs et des plans narratifs différents,
lesquels peuvent difficilement être résumés dans un schéma commun. La
modélisation qui implique la différenciation entre les programmes narratifs de base et
les programmes narratifs d'usage ne simplifie pas la tâche d'annotation, mais, au
contraire, la complexifie ce qui est peu pratique lors de l'annotation de plusieurs
articles. Ceci représente donc une limite importante dans une tâche d'analyse de
 397

contenu. Enfin, pour l'analyse et l'interprétation d'une grande quantité d'articles

d'opinion, l'adoption d'un cadre théorique plus adapté est préférable.

La sémiotique comme« théorie de l'annotation» n'est pas la seule et unique piste de

développement de la sémiotique computationnelle. Dans cette thèse, la sémiotique a
joué un rôle important à plusieurs reprises, comme dans la constitution des
hypothèses de recherche et dans un certain nombre de choix méthodologiques. Par
exemple, la notion de régularités sémiotiques, est requise pour identifier les
hypothèses de recherche, les postulats et les outils computationnels à utiliser. Mais
cette thèse n'a pas approfondi la piste de la modélisation algorithmique et
computationnelle sur la base des théories sémiotiques. Elle pourrait, par exemple, se
concrétiser avec l'intégration de la phase d'annotation dans la panoplie d'outils
informatiques utilisés. En d'autres termes, même lorsqu'elle est partielle,
l'automatisation, de la phase d'annotation est une des pistes de recherche les plus
intéressantes à développer pour la sémiotique computationnelle.

À notre connaissauce, il existe au moins trois axes de recherche pour l'exploitation

méthodologique et théorique de cet élément. Le premier est de transformer les méta-
sémiotiques en systèmes formels et logiques afin d'explorer les possibilités de leur
représentation dans des modèles computables. Une voie a déjà été tracée par Galofaro
(2013), qui a proposé une formalisation partielle des structures narratives
gre1mass1ennes. Dans ce contexte, le modèle formel est construit pour mettre en
évidence la propriété récursive du métalangage greimassien (figure 6.7) et les
différences avec le modèle de Propp, ce dernier étant défini comme un automate fini
(finite-state machine) (figure 6.8) (Galofaro, 2013).
 398

NP1
1
N,

EN1
~ 2

Let, Be,
EN2 N3
Let2 Be2
EN3 N4
1
Leh 8e3 EN4

J
Le4 Be4

/,···...... ./-.......
,[<. -.. .:\.
/,.
'· ."
1
·-......,_
1
,
o~-=.~- s~u~ dv4
// -.....

'D;-;:::;;.~ s;n;Ôv3
/ ,/"
/ ....... / ·-..... / ./

D1 -+;·s, n10~1 D2-+2 S2U20V2

Figure 6.7 Genèse narrative comme une structure récursive (Galofaro, 2013, p. 241)

Villainy Departure Struggle

Initial

Return Liquidation . Victory

Figute 6.8 Génération d'une trame narrative simple par un automate fini (Galofaro,
2013, p. 233)

Le travail de Galofaro est un des exemples qui se rapproche le plus du présent travail.
Mais, dans un certain sens, il ne constitue que la pointe d'un iceberg. Depuis
quelques décennies, des dizaines de travaux en informatique intégrant les concepts de
la sémiotique narrative dans des modèles formels (Lakoff et Narayanan, 2010; Zarri,
1997, 2010, 2015) ont été réalisés. Ainsi, la conférence Computational Mode! of
Narrative (Mani, 2012), permet d'accéder à de nombreux articles portant sur la
représentation formelle des différentes théories de la narration. Ces articles
contribuent depuis plus d'une décennie aux progrès théoriques et méthodologiques
d'un champ d'études propre à l'informatique, c'est-à-dire les ontologies, mais qui
 399

commence à produire des retombés au sein des humanités numériques (Ciotti, 2016).
Par exemple, Lieto et Damiano (2014) utilisent le modèle actantiel pour une
représentation des rôles narratifs. Gervas (2013b) se sert de la formalisation de Propp
comme un automate fini, avec une implémentation informatique qui permet de
produire automatiquement des trames. Dans un de ses travaux les plus anciens, il
propose un système de raisonnement · par cas (case-based reasoning) pour la
génération de trames qui se basent sur un ensemble de contes de fées préalablement
annotés (Gervas et al., 2005). Ces deux exemples ne constituent qu'une faible part du
nombre de travaux existants qui sont pertinents dans le cadre de la sémiotique
computationnelle.

Une autre avenue pour l'exploration théorique et méthodologique de

l' « automatisation » de la phase d'annotation est constituée par un champ de
recherche moins riche que le précédent en termes de travaux existants, mais tout aussi
autant important. Il est possible de le résumer par les travaux de Franzosi, lequel a
développé des méthodes pour l'analyse quantitative du contenu textuel qui intègrent
l'analyse des structures narratives des textes (Franzosi, 2010). Son approche est
similaire à celle proposée dans ce travail. Dans ce cadre, plusieurs pistes de
recherches peuvent être proposées, en utilisant le traitement automatique du langage
naturel pour l'annotation automatique des phrases ou des paragraphes. Par exemple, il
existe des ressources comme FrameNet qui peuvent être utilisées pour l'annotation
automatique des phrases. Cette ressource se base sur la théorie de la sémantique du
cadre (frame semantics) de Fillmore (Fillmore, 1976) et constitue certainement une
des possibilités les plus intéressantes.

La troisième piste est relativement similaire à la précédente, mais elle est basée sur
une typologie de travaux différents. Ces travaux font un usage massif des modèles
non supervisés de l'apprentissage automatique. Certains d'entre eux ont mené au
 400

développement de méthodes pour inférer automatiquement des chaînes narratives

simples. Se basant également sur des outils classiques en traitement automatique du
langage naturel, ces travaux exploitent surtout les modèles de Markov et les modèles
probabilistes (Chambers et Jurafsky, 2008; Cheung et al., 2013).
 CONCLUSION

Le but de la recherche est de mettre en place une chaîne de traitement automatisé

pour l'analyse sémiotique d'un corpus journalistique et d'en démontrer la faisabilité.
En particulier, le premier objectif (cfr.1.6) est d'explorer la technique du clustering
pour l'assistance à l'analyse narrative du texte journalistique et le deuxième est de
faire une analyse du traitement journalistique du printemps érable. Les résultats de
notre recherche répondent aux attentes, puisque ces deux objectifs ont été atteints.
D'abord, la thèse a montré comment explorer un corpus journalistique de grande
taille par la détection de ses macrostructures les plus récurrentes (question de
recherche A) et ceci, à l'aide d'un modèle formel et computable (question de
·recherche B). Cette exploration a permis d'exécuter une véritable analyse du
phénomène à l'étude (objectif A). La phase d'annotation a également permis
d'identifier la nature narrative de ces macrostructures. Enfin, puisque plusieurs
résultats intéressants sur le traitement journalistique du printemps érable ont été
dégagés, la recherche prouve la faisabilité d'une méthode d'analyse narrative assistée
par ordinateur basée sur le clustering (objectif B) (cfr. 1.5).

De manière plus précise (cfr. 1.5.1), la méthode a permis d'explorer les hypothèses
sémiotiques qui formalisent la nécessité d'identifier des macrostructures par le biais
de schémas lexicaux. En général, le clustering identifie des groupes d'observations
similaires grâce à des régularités détectées dans la distribution des variables qui les
décrivent. Dans le cas des données textuelles, le clustering détecte de groupes .
d'articles similaires grâce aux régularités lexicales détectées. Ainsi, l'identification
des macrostuctures récurrentes dans les articles de chaque cluster démontre la
 402

pertinence de l'hypothèse sémiotique (hypothèse. A). Pour le dire autrement, les

clusters regroupent des articles similaires sur la base de leur comportement lexical et
l'annotation a permis de valider la similarité sémantique entre les articles. Ceci nous
porte à affirmer que, dans un cadre d'analyse de corpus de grande taille, la régularité
lexicale correspond à la régularité sémantique et constitue la base pour la similarité
sémantique entre documents.

La sous-hypothèse sémiotique A.l (cfr. [Link]) a été explorée dans la phase

d'annotation. Pour plusieurs clusters, il a été possible de faire correspondre les
schémas récurrents identifiés à des structures narratives. Ceci implique que la
régularité lexicale et sémantique détectée peut être interprétée comme une similarité
structurale entre documents et que, à son tour, la structure sémantique sous-jacente
aux textes comporte une nature narrative. L'identification des schémas actantiels les
plus récurrents dans les clusters a permis de confirmer cette sous-hypothèse.
Cependant, elle n'a été confirmée que partiellement, puisque les clusters appartenant
à la catégorie des articles d'opinion ne respectent pas cette règle de fonctionnement
ou du moins ne facilitent pas l'analyse narrative des textes qu'ils contiennent.

L'hypothèse computationnelle est dépendante de celle sémiotique et a ainsi été

confirmée partiellement. En effet, il est sans doute vrai que le clustering permet de
trouver des macrostructures. L'utilisation de cette technique pour l'exploration d'un
corps journalistique est certainement pertinente et devrait être explorée davantage par
les sémioticiens. Il est aussi vrai que cette technique, mieux que d'autres (ex. le topic
modeling) peut assister l'analyse narrative du texte journalistique (cfr. 6.2.5).
Toutefois, lorsqu'elle est appliquée à des textes qui se prêtent difficilement à
l'analyse narrative, les résultats ne sont pas interprétables de la même manière et les
clusters doivent plutôt être analysés avec un filtre interprétatif différent. Cependant, il
est possible d'affirmer que le clustering permet d'identifier les macrostructures
 403

récurrentes qui caractérisent un corpus, quelle qu'en soit la nature (c'est-à-dire,

narrative, argumentative, etc.). Plus spécifiquement, il est possible de regrouper des
documents en fonction de leur similarité sémantique et de leurs macrostructures sous-
jacentes.

La majeure partie de la recherche a été au service du développement de la chaine de

traitement et de la deuxième question de recherche, soit comment assister
computationnellement une analyse sémiotique de texte et, plus particulièrement une
analyse narrative du texte journalistique. Ceci est dû au fait que le présent travail est
de nature méthodologique. En effet, la thèse illustre une approche pour l'avancement
méthodologique de la sémiotique computationnelle. En particulier, elle souligne
l'importance de décomposer les méthodes sémiotiques «traditionnelles» en unités
séparées, afin qu'on puisse évaluer la possibilité de les convertir en modèles formels
et computables (cfr. 2.1.2). Cette phase de décomposition est nécessaire tout au moins
pour les projets de la sémiotique computationnelle qui veulent utiliser les outils issus
de l'intelligence artificielle. La manière la plus simple pour intégrer ces outils à
l'analyse sémiotique est d'identifier des tâches précises et spécifiques que les outils
peuvent exécuter. En d'autres termes, les méthodes computationnelles ne peuvent pas
être appliquées à la résolution de problèmes complexes et généraux. La sémiotique
computationnelle peut fonctionner si l'approche de recherche est basée sur
l'identification de problèmes simples et spécifiques.

En ce sens, la sémiotique computationnelle contribue au parcours ouvert par les

humanités numériques, qui ont de plus en plus porté l'attention de la communauté
scientifique sur le croisement entre les disciplines des sciences dites pures et celles
des sciences dites molles. La typologie de travaux méthodologiques de la sémiotique
computationnelle est certainement un terrain fertile pour répondre aux questions types
des humanités numériques, comme par exemple: « Comment une technologie peut-
 404

elle. s'insérer dans une compréhension interprétative de ces objets signifiants? Et à

l'inverse : comment des humanités peuvent-elles être numériques?» (Meunier,
2019b). Selon nous, la voie de la sémiotique computationnelle doit passer par une
recherche méthodologique appliquée visant au transfert des connaissances de
l'intelligence artificielle vers les sciences humaines.

La contribution principale de la thèse est le transfert de connaissances de

l'informatique et de l'analyse de données à la sémiotique. Dans ce travail
méthodologique, la démonstration de faisabilité d'une méthode d'assistance à
l'analyse narrative du texte journalistique fournit des éléments pour évaluer
l'intégration d'outils computationnels à l'analyse sémiotique. Les réflexions
théoriques et épistémologiques qui constituent l'approche théorique de la thèse (cfr.
2.1), contribuent également à l'avancement de la sémiotique computationnelle, qui
constitue à part entière une nouvelle piste de développement pour la sémiotique.
Lorsqu'on considère la vocation empirique de la sémiotique (cfr. 1. 1.4) et
l'avancement technologique du XXIème siècle, l'ouverture à de nouvelles
méthodologies ne peut que constituer le déroulement naturel de la recherche
sémiotique. Cette thèse contribue ainsi à la compréhension de ce champ qui est la
sémiotique computationnelle et, plus particulièrement, de son troisième volet (cfr.
1.1.3), soit celui qui considère l'ordinateur comme un outil au service de l'analyse
sémiotique.

La thèse ouvre aussi la porte à plusieurs pistes de recherche. Certaines d'entre elles
ont été présentées lors de la discussion. Par exemple, au point 6.2.2, les limites de la
phase de lemmatisation ont été soulignées et une théorie sémiotique pour
l'amélioration de cette étape a été proposée. Au point 6.2.6, nous avons souligné la
différence entre le clustering et d'autres méthodes non supervisées utilisées pour
l'analyse de texte, comme le topic model. Les différences structurelles ont aussi été
 405

soulignées en mettant dé l'avant le rôle de la sémiotique dans l'interprétation des

résultats de ces différents algorithmes. En d'autres termes, une des pistes de
recherche possibles pour la sémiotique computationnellé est l'exploration de
nouvelles théories ou filtres sémiotiques pour l'interprétation des résultats du
clustering ou d'autres méthodes computationnelles. Enfin, au point 6.2.7, plusieurs
autres pistes de recherche ont été évoquées en lien avec l'utilisation de l'assistance
computationnelle à l'analyse narrative du texte. Dans ce contexte, il a été présenté la
perspective qui voit la sémiotique comme théorie de l'annotation et celle qui voit la
sémiotique comme un modèle formel cohérent avec l'assistance computationnelle.
Ensuite, plusieurs possibilités méthodologiques pour accroître et ·améliorer
l'assistance computationnelle ont été présentées, comme la détection non supervisée
des chaînes narratives, l'exploration de ressources comme FrameNet ou l'exploration
d'algorithmes d'annotation automatique basés sur des ontologies narratives· (voir
computational models of narrative) préalablement construites. L'exploration de ce
champ de recherche est sans doute un des plus intéressants pour la sémiotique
computationnelle.

Ces premières réflexions conduisent à deux approches générales qui peuvent guider la
recherche de la sémiotique computationnelle. L'une possède une nature inférentielle
et se base sur le raisonnement inductif. Le but de ces recherches serait d'identifier des
règles générales de fonctionnement sémiotique à partir des observations tirées de
l'analyse d'artefacts sémiotiques assistée par ordinateur. Dans ce contexte, certains
outils comme le clustering ou d'autres pourrait être étudiés pour identifier les
processus ou systèmes de la sémiosis. La deuxième approche générale, au contraire,
se baserait sur le raisonnent déductif et utiliserait des méthodes pour cibler des
observations répondant à des règles générales de fonctionnement sémiotique. C'est
d'ailleurs le procédé logique qui a été adopté dans ce travail. Dans les deux cas, les
résultats des recherches pourraient conduire à la confirmation ou à l'infirmation des
 406

postulats ou présupposés sémiotiques, permettant ainsi à la sémiotique de se

renouveler.

La nature interdisciplinaire de la sémiotique fait en sorte que cette thèse ouvre de

pistes de recherche dans plusieurs autres domaines connexes, parmi lesquels les plus
importants sont certainement ceux de la communication, des études des médias, du
journalisme et de la science politique. En effet, notre cas d'étude, le printemps érable,
est lié à la littérature sur le « protest event analysis », c'est-à-dire l'analyse des
événements protestataires. Il existe une grande littérature à ce 'sujet (Koopmans et
Rucht, 2002; Oliver et al., 2003) et plusieurs auteurs se sont aussi penchés sur
l'utilisation de méthodes de l'analyse de texte assistée par ordinateur (Wüest et al.,
2013). En particulier, cette thèse propose une méthode qui peut soutenir un des volets
principaux du champ de recherche du « protest event analysis », soit l'analyse du
texte journalistique (Danzger, 1975; Davenport, 2010; Oliver et Myers, 1999). La
méthode proposée fournit un outil pour les chercheurs intéressés aux études des
mouvements sociaux et à leur couverture journalistique. Évidemment, cette méthode
est aussi pertinente dans des champs d'étude plus généraux de la communication et
des études de médias, puisqu'elle peut être utilisée avec d'autres typologies de corpus
j oumalistique.

Enfin, la principale piste de recherche qui est renforcée par les résultats de cette thèse
est celle de la sémiotique computationnelle et du croisement entre sémiotique et
intelligence artificielle. Tel qu'au premier chapitre (cfr. 1.1), il existe déjà plusieurs
travaux à ce sujet. Plusieurs auteurs déjà cités au cours de cette thèse (ex. Meunier,
Tanaka-Ishii, Rieger, Andersen, De Souza, Figge, Gudwin, Stamper, Zemanek, etc.)
sont sans doute de précurseurs de la sémiotique computationnelle. Il y en a plusieurs
d'autres qui, même s'ils ne s'inscrivent pas explicitement sous l'étiquette de
« sémiotique computationnelle », contribuent également à son avancement (ex.
 407

Rastier). Nous tenons à souligner l'importance de ce croisement entre sémiotique et

intelligence artificielle, qui à partir de la fin des années 80, constitue une voie obligée
pour la sémiotique. Dans un article publié en 1989 et intitulé « Sémiotique et
intelligence artificielle» (Thérien, 1989), l'auteur Gilles Thérien 38 , insiste sur la
convergence entre sémiotique et intelligence artificielle et, plus particulièrement sur
le rôle que la sémiotique peut avoir dans le développement de l'intelligence
artificielle, car « la sémiotique a inventé des modèles théoriques qui peuvent servir à
l'intelligence artificielle ». Un des arguments en soutien à cette convergence provient
des relations disciplinaires qui constituent les sciences cognitives, représentées par le
populaire hexagone des sciences cognitives. C'est d'ailleurs dans ce contexte que la
première connexion entre sémiotique et intelligence artificielle s'est produite puisque
« l'hexagone [ ... ] commandité par la fondation Sloan pourrait être facilement modifié
en hexagone sémiotique». Un autre argument en faveur de cette convergence réside
dans le concept de représentation. En effet, les deux disciplines partagent un but
similaire, soit celui de « décrire le fonctionnement du système, d'en établir les règles
et d'interpréter ses effets». En sémiotique le signe est le principal porteur de cette
problématique. En intelligence artificielle, on manipule les signes. En réalité, ce sont
les mêmes problématiques, car la manipulation du signe présuppose le concept de
signe et une définition de ce qu'il re-présente (Derrida, 1967). Par ailleurs, la
sémiotique qui théorise sur le signe, même si elle ne s'interroge pas explicitement sur
sa manipulation, en effleure tout de même les dynamiques, car manipulation et signe
sont intimement liés dans ce contexte. Enfin, Thérien met en évidence un certain
nombre de théories qui sont plus adaptées à cette convergence. Ce sont des théories,
concepts ou outils qui ont atteint« un haut degré de formalisation et d'efficacité, [soit]
la théorie greimassienne, la grammaire narrative de Van Dijk et Kintsch et les travaux

38
Gilles Thérien a été professeur titulaire au département d'études littéraires de l'Université du
Québec à Montréal (UQAM). Il a participé à la fondation du programme de doctorat en sémiologie
à l'UQAM. Il a été élu membre de l'Académie des lettres et des sciences humaines de la Société
royale du Canada.
 408

de Gardin en archéologie». En d'autres termes, il s'agit là de théories qui, en raison

de leur niveau de formalisme, s'adaptent mieux au contexte computationnel.

Toutefois, certains des propos et conclusions de Thérien sont à notre avis, discutables.
Par exemple, nous croyons que l'auteur se trompe en soutenant « qu'une véritable
convergence pourrait s'opérer seulement autour du traitement de l'image ». Le
développement du traitement automatique du langage naturel, de la fouille de texte et
de l'analyse de texte assistée par ordinateur, ainsi que le travail de cette thèse,
montrent _exactement l'inverse, c'est-à-dire que c'est par le texte que la sémiotique
computationnelle doit commencer son exploration. Ce qui reproduit, à bien y penser,
les étapes de la naissance de cette discipline, dérivée de la. linguistique. Ceci est
surtout vrai en raison des avancements de l'intelligence artificielle dans le domaine et
du traitement d'images lequel présentement, ne fournit pas des outils suffisamment
performants et efficaces pour que le transfo~ de connaissances vers les sciences
humaines soit justifié. Au-delà des conclusions de Thérien l'importance de la
convergence entre sémiotique et intelligence artificielle semble claire. Trente ans
après de cette publication, la convergence est devenue un véritable champ de
recherche, sous le nom de sémiotique computationnelle.

Comme d'autres disciplines, la sémiotique vit le« défi numérique» et elle doit y faire
face. Avec l'avancement technologique, les paradigmes des sciences humaines« sont
appelés à se modifier et à se renouveler» (Diminescu et Wieviorka, 2015). La
révolution du« big data» et l'approche « data-driven » qu'elle comporte ne peuvent
pas demeurer inexplorées pour une discipline comme la sémiotique, qui a une forte
vocation empirique. En devenant computationnelle, la sémiotique doit savoir
conserver sa pertinence et son rôle. Les sémioticiens ne doivent pas devenir des
informaticiens. De part sa nature interdisciplinaire, la sémiotique a tendance à perdre
sa pertinence au profit de problématiques, méthodologies et théories des disciplines
 409

dans lesquelles elle opère. Certains auteurs, par exemple, ont souligné cette tendance
dans des recherches en psychanalyse (Beividas, 2016) Dans le domaine de l'analyse
de texte assistée par ordinateur, la sémiotique doit maintenir sa pertinence et jouer sur
ses spécificités, celles-ci mêmes qui lui ont permis de s'affranchir de la linguistique et
de poursuivre, comme le dirait Barthes (Barthes, 1985), cette belle aventure qu'est la
sémiotique.
 ANNEXE A

DÉTAILS SUR LE CADRE PROBABILISTE À LA BASE DE L'ÉTIQUETAGE

MORPHOSYNTAXIQUE

Les processus de Markov ont été diffusément utilisés dès les années 80 pour
l'annotation automatique des parties du discours dans un contexte supervisé (Church,
1989; Derouault et Jelinek, 1984).

Un processus de Markov est un processus stochastique qui se base sur l'hypothèse

que les événements du futur sont exclusivement déterminés par les événements du
présent et non par les événements du passé. Cette hypothèse est appelée propriété de
Markov. Généralement, ces processus sont utilisés dans des séquences temporelles,
pour lesquelles on veut connaître la probabilité qu'un événement futur se produise,
sachant quel est l'état du présent. Les prévisions météorologiques en sont un exemple.
Pour déterminer quelle sera la météo de demain, on prend pour acquis qu'il suffit de
connaître les conditions météorologiques d'aujourd'hui. Dans ce cas, on construit un
modèle probabiliste permettant de définir la probabilité d'avoir une belle journée ou
une mauvaise journée au temps t +1 , sachant quelles sont les conditions
météorologiques du temps t. Sur la base des conditions actuelles, ce modèle établit
une probabilité pour chaque état et détermine ainsi l'état le plus probable au temps
t+ 1.
 411

Dans le cas de l'étiquetage morphosyntaxique, le processus de Markov est appliqué à

des séquences de mots. Dans ce cadre, le but est d'établir la séquence la plus probable
d'étiquettes morphosyntaxiques T = {t1, t 2, t 3, ... , tn} pour chaque séquence de mots
W = {w1, w2, w3, ... , Wn}. Par exemple, imaginons de vouloir trouver les étiquettes
morphosyntaxiques T de la phrase W : « La diminution paraît, toutefois, moins nette
en France et en Italie. » D'un point de vue mathématique, il s'agit de trouver la
séquence la plus probable d'étiquettes pour cette phrase, qui peut être représentée
avec la formule suivante: argmaxtP(TIW). La première partie de la formule
(argmaxt) indique la [Link] détermine la séquence avec la probabilité la plus
grande alors que la seconde partie de la formule correspond au théorème de Bayes :

P(TIW) = P(T) P(w(

PW
IT))' Cette formule peut être simplifiée de nouveau car P(W), qui
.

est la probabilité de la séquence des mots, est constant. On peut donc réécrire la
formule comme suit: argmaxtP(T) · P(TIW) , c'est-à-dire la probabilité de
l'étiquette multipliée par la probabilité de la séquence d'étiquettes connaissant les
mots. Décrivons cette séquence encore plus en détail : P(T) = P(ti, t 2 , t 3 , ••• , tn) =
P(t1) · P(t2lt1) · P(t3 lti, tz) · ... · P(tn lt1, t2, t3, •··, tn-1)

Toutefois, un processus de Markov assume la propriété de Markov, ce qui permet

d'obtenir des séquences de probabilité moins complexes à calculer. Plus
particulièrement, un processus de Markov assume qu'il suffit d'une petite séquence
d'étiquettes pour prédire la prochaine étiquette. Cette assomption peut être étendue
aux modèles n-grarnme. Le modèle bigramme assume que, pour prédire la probabilité
de la prochaine étiquette, il est suffisant de connaître seulement l'étiquette présente.
On assume donc que la probabilité de la prochaine étiquette dépend exclusivement de
l'étiquette présente. Dans un modèle de type bigramme, l'équation précédente est
transformée comme suit: P(T) = P(t1, t 2, t 3, ... , tn) = P(t1) · P(t21t1) · P(t3lt2) ·
... · PCtnltn_ 1). Ainsi, dans le cas de la phrase W, la probabilité que le verbe qui suit
 412

le mot « diminution » soit à la troisième personne ~st plus grande que celle qu'il soit
à la première personne.

D'autres modèles peuvent être élaborés en élargissant l'assomption de Markov à n-

gramme. Un des modèles le plus utilisé, et qui a donné les meilleurs résultats, est le
modèle trigramme. Les modèles n-gramme sont donc construits en calculant la
probabilité P ( td ti) sur le corpus annoté. Par exemple, la probabilité d'obtenir
l'étiquette ti (VERBE) en connaissant l'étiquette ti (NOM) qui le précède est
calculée en utilisant les ressources annotées, comme le French Treebank. La
probabilité P(VERBEINOM) est établie en calculant les occurrences de l'étiquette
VERBE suivie de l'étiquette NOM et en divisant par les totaux des occurrences de
l'étiquette VERBE.

Une fois ce calcul obtenu, on peut aussi considérer la probabilité qu'un mot
corresponde à une étiquette particulière, ce qui est le deuxième terme de la formule
du début, argmaxtP(T) · P(TIW) . Pour simplifier, on peut assumer que la
correspondance du mot ainsi que l'étiquette soient indépendantes du contexte, et que
pour chaque mot on puisse obtenir des probabilités différentes correspondant à
chaque étiquette possible. Par exemple, pour le mot « paraît », il existe une
probabilité d'obtenir l'étiquette VERBE, une autre l'étiquette NOM, etc. Ces
probabilités sont calculées sur les ressources annotées, en faisant la somme de toutes
les o~currences d'un mot, par exemple« paraît» correspondant à l'étiquette VERBE,
puis en divisant par les occurrences du mot « paraît » dans le corpus. Pour la
séquence des mots de la phrase W, on peut écrire l'équation suivante: P(WIT) =
P(w1 lt1 ) • P(w2 lt2 ) • ••• • P(tnltn)ltn). Pour les premiers trois mots de la phrase W, il
est possible d'établir la séquence d'étiquettes suivante :
LalDETdiminutionlNOMparaîtlVERBE, ce qui correspond à la probabilité
P(DET NOM VERBEILa diminution paraît). L'estimation de ces probabilités est
 413

calculée ainsi: P(DETIDÉBUT) · P(NOMIDET) · P(VERBEINOM) · P(LalDET) ·

P(diminutionlNOM) · P(paraîtlVERBE).

Dans ce contexte, on peut dire que, pour un modèle bigramme, chaque état
correspond à une étiquette morphosyntaxique, et que les probabilités de transition
d'un état à l'autre sont les probabilités P(tdti)- On peut ajouter que les probabilités
d'émission d'un symbole sont P( wdtj), ce qui est la probabilité d'un mot d'être émis
à partir d'une étiquette morphosyntaxique particulière. Enfin, quelle est donc la
probabilité que le mot «paraît» soit étiqueté comme verbe à partir de la séquence
d'étiquettes VERBEjNOM? Pour répondre à cette question, il faut évaluer toutes les
séquences possibles pour tous les mots. Pour résoudre ce type de tâches et trouver la
meilleure séquence d'étiquettes T pour la séquence des mots W, on utilise des
algorithmes comme le Viterbi.
 ANNEXEB

LISTE DES ANNOTATI ONS MORPHOSYNTAXIQUES UTILISÉES PAR

TREETAGGER

Code annotation Caté2orie morphosyntaxique

ABR abréviation
ADJ adjectif
ADV adverbe
DET:ART article
DET:POS adjectifpossessif(ma, ta, ...)
INT interjection
KON conjonction
NAM nom propre
NOM nom commun
NUM nombre
PRO pronom
PRO:DEM pronom démonstratif
PRO:IND pronom indéfini
PRO:PER pronom personnel
PRO:POS pronom possessif(mien, tien, ...)
PRO:REL pronom relatif
PRP préposition
PRP:det préposition plus article (au, du, aux, des)
PUN ponctuation
PUN:cit ponctuation de citation
SENT marqueur de fin de phrase
SYM symbole
VER:cond verbe conditionnel
VER:futu verbe futur
VER:impe verbe impératif
VER:impf verbe imparfait
VER:infi verbe infinitif
VER:pper verbe participe passé
VER:ppre verbe participe présent
VER:pres verbe présent
VER:simp verbe passé simple
VER:subi verbe subjonctif imparfait
 415

1 VER:subp 1 verbe subjonctif présent 1

 ANNEXEC

DÉTAILS DEL' ALGORITHME DBSCAN

DBscan (Density-Based Spatial Clustering of Applications with Noise) est un

algorithme de clustering axé sur la densité des points et proposé par Ester et al.
(1996). La particularité de l'algorithme DBscan est de produire un partitionnement de
données en considérant les zones les plus denses de l'espace, c'est-à-dire des groupes
de données très similaires entre eux et très distincts des autres. Pour ce faire,
l'algorithme évalue la densité sur la base de deux paramètres : le premier est E, soit la
distance maximale entre le centroïde et le point le plus loin, et le deuxième est
MinPts, qui correspond au nombre minimal d'individus qui peuvent être contenus
dans un cluster. Pour déterminer ces groupes selon les paramètres de densité, DBscan
utilise la méthode des k plus proches voisins. Par exemple, si ë est égal à 0,3 et
MinPts à 5, la méthode des k plus proches voisins doit trouver au moins çinq
individus situés dans un rayon de 0,3 pour former un cluster. Concrètement, ces
paramètres constituent une estimation a priori de la densité minimale d'un cluster.
Une ~utre caractéristique de l'algorithme est la production d'un partitionnement
partiel, ce qui implique que les individus qui ne répondent pas aux paramètres de
densité sont exclus de la partition et sont réunis dans un même cluster (le cluster « -
1 »), qui est considéré comme étant du bruit.
 ANNEXED

DESCRIPTION DE L'IDENTIFIANT UNIQUE DES ARTICLES DU CORPUS

L'identifiant unique de chaque article est composé de 13 caractères alphanumériques.

Les premiers deux caractères correspondent à la source d'information; les quatre
suivants correspondent à la date (deux pour le mois et deux pour le jour); les trois qui
suivent correspondent à la catégorie de l'article; les quatre derniers sont le numéro de
série. Dans le chapitre V, les codes sont précédés par le cluster d'appartenance. Le
cluster est indiqué avec la lettre « K », suivie par le numéro du cluster.

Voici un exemple, sans le préfixe indiquant le numéro du cluster :

Identifiant unique Explication des composantes de l'identifiant

DE0613Act0124 DE= devoir
06 = juin
13 = jour 13
Act= Actualités (catégorie de l'article)
0124 = numéro de série

Le même article aura le code K05DE0613Act0124, s'il appartient au cluster numéro

5, ou K13DE0613Act0124, s'il appartient au 13, et ainsi de suite.

Liste des codes utilisés pour identifier les sources d'information:

1Code j Source d'information

 418

RC Radio-Canada (site web)

DE Le Devoir
JQ Le Journal de Québec
JM Le Journal de Montréal
ME Métro
PR La Presse
so Le Soleil

Ensuite, nous présentons la liste exhaustive de toutes les catégories d'articles trouvées
pour toutes les sources d'information, qui ont servi à créer l'identifiant unique. Le
présent travail n'a utilisé que superficiellement cette métadonnée. Son nettoyage
n'était donc pas nécessaire pour la poursuite de la recherche.

Carrières Enjeux Politique

Actualités Environnement Société
Affaires Festivals Spectacles
Arts Idées· Sports
Arts & Spectacles La Presse Affaires Vers rio 2012
Arts Et Spectacles Le féminisme renouvelé Vie de stars
Arts HUMOUR Le samedi Vie et Société
Les moments
Arts LECTURES Vivre
«oolitisateurs»
Arts MÉDIAS Lettres Votre Argent
ArtsTHÉÂTRE Libre opinion · Votre Opinion
Arts TÉLÉVISION Livres Votre Vie
Arts VISUELS Montréal Plus Week-end
Arts et spectacles News Weekend
Arts magazine Nos régions no_type
Cahier Spécial Nouvelles Économie
Carrière et formation Opinion Éditorial
Carrières Opinions Éducation
Convergence Perspectives Éthique et religions
Culture Philosophie
Dimanche Plan Nord
Débats Plus-value
 RÉFÉRENCES

Ablali, D. (2016). La « sémantique de corpus», le programme inachevé de

Sémantique structurale. Semiotica, 2017(214), 159-172.

Abonyi, J. et Feil, B. (2007). Cluster analysis for data mmmg and system
identification. (s. 1.) : Springer Science & Business Media.

Adam, J.-M. (1997). Unités rédactionnelles et genres discursifs: cadre général pour
une approche de la presse écrite. Pratiques, 94, 3-18.

Adam, J.-M. (2011). La linguistique textuelle: introduction à l'analyse textuelle des

discours (3. éd.). Paris : Colin.

Adam, J.-M. (2016). Pratiques, la linguistique textuelle et l'analyse de discours, dans

le contexte des années 70. Pratiques. Linguistique, littérature, didactique,
(169-170).

Adam, J.-M. et Heidmann, U. (dir.). (2005). Sciences du texte et analyse de discours:

enjeux d'une interdisciplinité. (270)Etudes de lettres. Genève : Slaktine
Erudition.

Aggarwal, C. C. (2015). Data mining: the textbook. New York, NY : Springer.

Aggarwal, C. C. (2016). Outlier analysis (2nd edition). New York, NY : Springer

Science+Business Media.

Aggarwal, C. C. (2018). Machine learningfor text. Cham: Springer.

 420

Aggarwal, C. C., Hinneburg, A. et Keim, D. A. (2001). On the Surprising Behavior of

Distance Metrics in High Dimensional Space. Dans Database Theory -
ICDT 2001 (p. 420-434). Springer, Berlin, Heidelberg.

Aggarwal, C. C. K. et Chandan, R. (2014). Data Clustering: Algorithms and

Applications (0 éd.)Chapman & Hall/CRC Data Mining and Knowledge
Discovery Series. Chapman and Hall/CRC.

Aggarwal, C. C. et Zhai, C. (dir.). (2012). Mining text data. New York, NY: Springer.

Ahuja, R. K., Magnanti, T. L. et Orlin, J. B. (1993). Network jlows: theory,

algorithms, and applications. Upper Saddle River, N.J.: Prentice-Hall.

Akimoto, T. et Ogata, T. (2012). Macro structure and basic methods in the integrated
narrative generation system by introducing narratological knowledge. Dans
2012 IEEE 11th International Conference on Cognitive Informatics Cognitive
Computing (ICCI*CC) (p. 253-262).

Allen, J. (1995). Natural language understanding (2nd ed). Redwood City, Calif:
Benjamin/Cummings Pub. Co.

Aluisio, S. M., Specia, L., Pardo, T. A., Maziero, E. G. et Fortes, R. P. (2008). ·

Towards brazilian portuguese · automatic text simplification systems. Dans
Proceedings of the eighth ACM symposium on Document engineering (p. 240
-248). ACM.

Amini, M.-R. et Bach, F. (2015). Apprentissage machine: de la théorie à la pratique.

Paris : Eyrolles.

Andersen, P. B. (1997). A Theory of Computer Semiotics: Semiotic Approaches to

Construction and Assessment of Computer Systems. Cambridge : Cambridge
University Press.

Anderson, S. J., Dewhirst, T. et Ling, P. M. (2006). Every document and picture tells
a story: using internai corporate document reviews, semiotics, and content
analysis to assess tobacco advertising. Tobacco Control, 15(3), 254-261.
 421

Andsager, J. L. et Powers, A. (1999). Social or economic concems: How news and

women's magazines framed breast cancer in the 1990s. Journalism & Mass
Communication Quarter/y, 76(3), 531 -550.

Arquembourg, J. (2016). L'antibiorésistance dans les médias français, un problème

insaisissable-(Le Monde, 1948-2014). Journal des Anti-infectieux, 18(1), 5-7.

Arthur, D. et Vassilvitskii, S. (2007). k-means++: The advantages of careful seeding.

Dans Proceedings of the eighteenth annual ACM-SIAM symposium on
Discrete algorithms (p. 1027 - 1035). Society for Industrial and Applied
Mathematics.

Atkins, S., Clear, J. et Ostler, N. (1992). Corpus design criteria. Literary and
linguistic computing, 7(1 ), 1 -16.

Atkinson, M., Belayeva, J., Zavarella, V., Piskorski, J., Huttunen, S., Vihavainen, A.
et Yangarber, R. (2010). News mining for border security intelligence. Dans
Intelligence and Security Informatics (lSI), 2010 IEEE International
Conference on (p. 173-173). IEEE.

Attewell, P. A. et Monaghan, D. B. (2015). Data mining for the social sciences: an

introduction (First edition). Oakland, Califomia : University of Califomia
Press. Récupéré de Library of Congress

Baeza-Yates, R. et Ribeiro-Neto, B. (1999). Modern information retrieval (vol. 463).

(s. 1.): ACM press New York.

Baeza-Yates, R. et Ribeiro-Neto, B. (2011). Modern Information Retrieval: The

Concepts and Technology Behind Search (2nd éd.). USA : Addison-Wesley
Publishing Company. Récupéré de ACM Digital Library.

Baker, P. (2006). Using Corpora in Discourse Analysis. (s. l.): A&C Black.

Balahur, A., Steinberger, R., Kabadjov, M., Zavarella, V., van der Goot, E., Halkia,
M., ... Belyaeva, J. (2013). Sentiment Analysis in the News. arXiv:1309.6202
{es}. Récupéré de [Link]: [Link]
 422

Barcus, F. E. (1961). A content analysis of trends in Sunday comics, 1900-1959.

Journalism & Mass Communication Quarterly, 38(2), 171-180.

Bardin, L. (1977). L'analyse de contenu. Paris: PUF.

Barry, A. O. (2002). Les bases théoriques en analyse du discours. Texte de

Méthodologie de la Chaire de Recherche du Canada en Mondialisation,
Citoyenneté et Démocratie.

Barthes, R. (1966). Introduction à l'analyse structurale des récits. Communications,

8(1), 1-27.

Barthes, R. (1985). L'aventure sémiologique. Paris : Ed. du Seuil.

Bastian, M., Heymann, S. et Jacomy, M. (2009). Gephi: an open source software for
exploring and manipulating networks. Dans Third international AAAI
conference on weblogs and social media.

Battaglino, C., Damiano, R. et Lombardo, V. (2014). Moral Values in Narrative

Characters: An Experiment in the Generation of Moral Emotions. [Moral
Values in Narrative Characters]. Lecture Notes in Computer Science. Dans A.
Mitchell, C. Femandez-Vara et D. Thue (dir.), Interactive Storytelling (p. 212
-215). Springer International Publishing.

Beividas, W. (2016). La sémioception et le pulsionnel en sémiotique. Pour

l'homogénéisation de l'univers thymique. AS - Actes Sémiotiques. Récupéré
de epublications. [Link] : http ://[Link]/revues/as/5613

Bell, P.· et Milic, M. (2002). Goffman's Gender Advertisements revisited: combining

content analysis with serniotic analysis. Visual Communication, 1(2), 203 -222.

Benzécri, J. P. (1973). L'analyse des données. Paris: Dunod.

Benzécri, J.-P. (1966a). Linguistique et Mathématique. Revue Philosophique de la

France Et de /'Etranger, 156, 309-374.
 423

Benzécri, J.-P. (1966b). Linguistique et Mathématique. Revue Philosophique de la

France Et de/ 'Etranger, 156, 309-374.

Benzécri, J .-P. (1981 ). Pratique de l'analyse des données, Linguistique et lexicologie.

Paris : Dunod.

Benzécri, J.-P. (1982). Histoire et préhistoire de l'analyse des données. Paris: Dunod.

Benzécri, J.-P. et Benzécri, F. (1980). Analyse des Correspondances: exposé

élémentaire. Paris: Dunod.

Berelson, B. (1952). Content analysis in communication research. New York, NY,

US : Free Press. [07203].

Berendt, B. (2016). Text Mining for News and Blogs Analysis. Dans C. Sammut et G.
I. Webb (dir.), Encyclopedia of Machine Learning and Data Mining (p. 1-9).
Springer US.

Bernard, M. et Bohet, B. (2017). Littérométrie: outils numériques pour l'analyse des

textes littéraires. Paris : Presses Sorbonne nouvelle.

Berry, M. W., Dumais, S. T. et O'Brien, G. W. (1995). Using linear _algebra for

intelligent information retrieval. SIAM review, 3 7(4), 573 - 595.

Bertrand, D. (2000). Éléments de narrativité. Dans Précis de sémiotique littéraire.

Nathan.

Bertrand, R. (1986). Pratique de l'analyse statistique des données. Montréal: PUQ.

Bharat, K., Curtis, M. et Schmitt, M. (2016). Method and apparatus for clustering
news online content based on content freshness and quality of content source.
US9361369 BI. Récupéré de [Link]

Biber, D. (1993). Representativeness in corpus design. Literary and linguistic

computing, 8(4), 243-257.
 424

Bilger, M. (2000). Corpus: méthodologie et applications linguistiques (vol. 3). Paris :

Honoré Champion.

Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Singapore

Springer.

Bloom, R. L., Obler, L. K., De Santi, S. et Ehrlich, J. S. (1994). Discourse analysis

and applications: Studies in adult clinical populations. (s. 1.) : Lawrence
Erlbaum Associates.

Bloomfield, L. (1933). Language. New York: H. Holt. Récupéré de Open WorldCat.

Bolasco, S. (2005). Statistica testuale e text mining: alcuni paradigmi applicativi.

Quaderni di Statistica, 7.

Bommier-Pincemin, B. (1999). Diffusion ciblée automatique d'informations:

conception et mise en oeuvre d'une linguistique textuelle pour la
caractérisation des destinataires et des documents (Phd dissertation). Paris :
Paris 4.

Bonville, J. de. (2006). L'analyse de contenu des médias. De Boeck Supérieur.

Bouillon, P. et Vandooren, F. (1998). Traitement automatique des langues naturelles.

Louvain-La-Neuve: Aupelf-Uref- Editions Duculot.

Bouras, C. et Tsogkas, V. (2010). W-kmeans: clustering news articles using wordnet.

Dans International Conference on Knowledge-Based and Intelligent
Information and Engineering Systems (p. 379-388). Springer.

Bouroche, J.-M. et Saporta, G. (1992). L'analyse des données. (1854) (Se édition)Que
sais-je? Paris: Presses universitaires de France.

Boyd, D. et Crawford, K. (2012). Critical questions for big data: Provocations for a
cultural, technological, and scholarly phenomenon. Information,
communication & society, 15(5), 662-679.
 425

Bramer, M. A. (2007). Principles of data miningUndergraduate topics in computer

science. London : Springer.

Bremond, C. (1966). La logique des possibles narratifs. Communications, 8(1), 60-76.

Brill, E. et Mooney, R. J. (1997). An overview of empirical natural language

processing. AI Magazine, 18, 10.

Brown, A. L. et Day, J. D. (1983). Macrorules for summarizing texts: The

development of expertise. Journal of verbal learning and verbal behavior,
22(1), 1 -14.

Bruner, J. S. (1986). Actual minds, possible worlds. Cambridge, Mass. : Harvard

University Press.

Bruner, J. S. (1991). Narrative Construction ofReality. Critical Inquiry, 18(1), 1-21.

Bruner, Jerome. (2004). Life as Narrative. Social Research, 71(3), 691-710.

Bruner, Jérôme. (2006). La culture, l'esprit, les récits. Enfance, 58(2), 118-125.

Bullinaria, J. A. et Levy, J. P. (2007). Extracting semantic representations from word

co-occurrence statistics: A computational study. Behavior research methods,
39(3), 510-526.

Calabrese, S. (2014). Neuronarratologia: Ilfuturo dell'analisi del racconto. Bologna:

ArchetipoLibri.

Campion, B. (2015). Évaluer le récit comme acte cognitif. Quel cadre pour les
approches expérimentales ? Cahiers de Narratologie. Analyse et théorie
narratives, (28).

Cangelosi, A. et Parisi, D. (2002). Simulating the evolution of language. London;

New York: Springer.
 426

Carley, K. (1990). Content analysis. The encyclopedia of language and linguistics.

Edinburgh: Pergamon Press.

Carley, K. (1993). Coding Choices for Textual Analysis: A Comparison of Content

Analysis and Map Analysis. Sociological Methodology, 23, 75-126.

Chabrol, C. (1973). Sémiotique narrative et textuelle: Alexandrescu, Barthes,

Bremond, Greimas, Maranda, Schmidt, Van Dijk. Paris: Larousse.

Chambers, N. et Jurafsky, D. (2008). Unsupervised Learning of Narrative Event

Chains. Dans Proceedings of ACL-08, Association for Computational
Linguistics.

Charaudeau, P. (2013). Les médias et l'information: L'impossible transparence du

discours (Rev. ed). Bruxelles : De Boeck Université.

Charaudeau, P., Maingueneau, D. et Adam, J.-M. (2002). Dictionnaire d'analyse du

discours. Paris: Seuil.

Chartier, L. (2003). Mesurer l'insaisissable: méthode d'analyse du discours de presse.

Montréal: Presse de l'université du Québec. [00056].

Chartron, G. (1988). Analyse des corpus de données textuelles, sondage de flux

d'informations (Thèse de doctorat). France: Université Paris Diderot - Paris 7.

Cheung, J. C. K., Poon, H. et Vanderwende, L. (2013). Probabilistic Frame Induction.

Proceedings of the 2013 Conference of the North American Chapter of the
Association for Computational Linguistics: Human Language Technologies,
837-846.

Chomsky, N. (1967). Recent Contributions to the Theory of Innate Ideas. Synthese,

17, 2-11.

Chowdhury, S. G., Routh, S. et Chakrabarti, S. (2014). News analytics and sentiment

analysis to predict stock price trends. /nt. J. Comput. Sei. Inform. Technol,
5(3), 3595-3604.
 427

Church, K. W. (1989). A stochastic parts program and noun phrase parser for
unrestricted text. Dans International Conference on Acoustics, Speech, and
Signal Processing, (p. 695-698 vol.2).

Cibois, P. (1933). Principe de l'analyse factorielle. Educational Psychology, 24, 417-

441.

Ciotti, F. (2016). Toward a Formal Ontology for Narrative. MATLIT: Materialidades

da Literatura, 4(1), 29-44.

Clark, A., Fox, C. et Lappin, S. (2010). The handbook of computational linguistics

and natural language processing. Malden, Ma. : Wiley-Blackwell.

Clear, J. (1992). Corpus sampling. Dans G. Leitner (dir.), New Directions in English
Language Corpora (p. 21-32). Berlin; New York : Mouton de Gruyter.

Cléroux, S. (2015). Le traitement journalistique du « printemps · érable»:

Comprendre les logiques agissant sur le processus de fabrication de la
nouvelle (Thèse de doctorat). Université d'Ottawa. Récupéré de
[Link] : [Link] 103 93/3 2105

Compagno, D. (2017). Signifiant et significatif. Réflexions épistémologiques sur la

sémiotique et l'analyse des données. Questions de communication, (31), 49-
70.

Compagno, D. (dir.). (2018). Quantitative Semiotic AnalysisLecture Notes m

Morphogenesis. Springer.

Cornuéjols, A. et Miclet, L. (2003). Apprentissage artificiel: concepts et algorithmes

(Première édition). Paris : Eyrolles.

Cotte, D. (2001). De la Une à l'écran, avatars du texte journalistique. Communication

et langages, 129(1), 64-78.

CSEP2012. (2014, mars). Rapport printemps érable [Rapport, Gouvernement du

Québec]. (Commission spéciale d'examen des événements du printemps
2012).
 428

Dacos, M. et Mounier, P. (2015, mars). Humanités numériques [Rapport de

recherche]. Institut français. Récupéré de HAL Archives Ouvertes :
[Link]

Dale, R., Moisl, H. et Somers, H. L. (2000). Handbook of natural language

processing. New York : M. Dekker.

Damiano, R., Lombardo, V. et Pizzo, A. (2005). Formai Encoding ·of Drama

Ontology. Lecture Notes in Computer Science. Dans G. Subsol (dir.), Virtual
Storytelling. Using Virtual Reality Technologies for Storytelling (p. 95-104).
Springer Berlin Heidelberg.

Danzger, M. H. (1975). Validating conflict data. American Sociological Review, 570-

584.

Davenport, C. (2010). Media Bias, Perspective, and State Repression: The Black
Panther Party. Cambridge : Cambridge University Press. [

De Souza, C. S. (2005). The semiotic engineering of human-computer interaction .

. Cambridge, MA : MIT press.

Delforce, B. (1985). L'objectivité de la presse: les critères du jugement d'objectivité

chez le lecteur et les représentations relatives à l'expression. Études de
communication. langages, information, médiations, (5), 36-69.

Delfosse, P. (1979). Réformisme et presse ouvrière: histoire et sémiotique.

(1 )Dossiers Media. Bruxelles : Bruxelles Labor.

Dennett, D. C. (1991). Consciousness explained. Harmondsworth: Penguin.

Derouault, A.-M. et Jelinek, F. (1984). Modèle probabiliste d'un langage en

reconnaissance de la parole. Annales des Télécommunications, 39(3), 143-
151.

Derrida, J. (1967). De la grammatologie. Paris: Éditions de Minuit.

 429

Desrochers, A. (2016). La neutralité journalistique dans la couverture du conflit

étudiant de 2012: le cas du Montréal Campus (Mémoire de maîtrise).
Montréal: Université du Québec à Montréal.

Diminescu, D. et Wieviorka, M. (2015). Le défi numérique pour les sciences sociales.

Socio. La nouvelle revue des sciences sociales, (4), 9-17.

Dobre, D. (2013). Analyse du discours de presse: projet sémiotique. Bucarest

Editura Universitatii <lin Bucure~ti.

Dreyfus, G. (2008). Apprentissage statistique. Paris : Eyrolles.

Drisko, J. et Maschi, T. (2016). Content analysisPocket Guides to Social Work

Research methods. Oxford: Oxford University Press.

Drucker, H., Wu, D. et Vapnik, V. N. (1999). Support vector machines for spam
categorization. Neural Networks, IEEE Transactions on, 10(5), l 048- 1054.

Dubois, J. (dir.). (2002). Dictionnaire de linguistique. Paris: Larousse.

Dupuy, J.-P. (2009). On the Origins of Cognitive Science. Cambridge : A Bradford

Book.

Dussault-Brodeur, M. (2015). Le caractère politique de la violence contestataire:

analyse de la grève étudiante de 2012 au Québec (Mémoire de maîtrise).
Montréal : Université du Québec à Montréal.

EC-AISS. (2018). Nuove pratiche digitali. La ricerca semiotica alla prova. (Anno
XII-n. 23) Serie speciale della rivista on-line dell' Associazione Italiana di
Studi Semiotici. Palermo: EC-AISS.

Eco, U. (1962). Opera aperta. Milano : Bompiani.

Eco, U. (1978). Pour une reformulation du concept de signe 1comque.

Communications, 29(1), 141-191.
 430

Eco, U. (1979). Lector in fabula: la cooperazione interpretativa nei testi narrativi.

Milano : Bompiani.

Eco, U. (1997). Sulla stampa. Cinque scritti morali, 49-79.

Entman, R. M. (1993). Framing: Toward clarification of a fractured paradigm.

Journal of communication, 43(4), 51-58.

Ertel, W. (2011). Introduction to Artificial lntelligenceUndergraduate Topics m

Computer Science. London : Springer London.

Escofier-Cordier, B. (1969). L'analyse factorielle des correspondances. Cahiers du

Bureau universitaire de recherche opérationnelle, 13, 25-59.

Ester, M., Kriegel, H.-P., Sander, J. et Xu, X. (1996). A density-based algorithrn for
discovering clusters in large spatial databases with noise. Dans Kdd-96
Proceedings (vol. 96, p. 226-231).

Etxeberria, A. et Ibruiez, J. (1999). Serniotics of the artificial: The 'self of self-

reproducing systems in cellular automata. Semiotica, 127(1-4), 295-320.

Everitt, B. S.; Landau, S., Leese, M. et Stahl, D. (2011). Cluster Analysis. John Wiley
& Sons, Ltd. [04572].

Fabbri, P. (2008). Le tournant sémiotique ( Y. Jeanneret, trad.). Paris Hermès

Science publications-Lavoisier.

Fabre, C. et Lenci, A. (2015). Sémantique distributionnelle. Traitement automatique

des langues, 56(2), 7-23.

Fan, D. P. (1988). Predictions of Public Opinionfrom the Mass Media: Computer

Content Analysis and Mathematical Modeling. (s. l.) : Greenwood Publishing
Group.

Fararo, T. J. (1993). Generating narrative forrns. The Journal of Mathematical

Sociology, 18(2-3), 153-181.
 431

Ferraro, G. (2012). Attanti: una teoria in evoluzione. Dans A. M. Lorusso, C.

Paolucci et P. Violi (dir.), Narratività: problemi, analisi, prospettive (p. 43-
60). Bologna : Bononia University Press.

Fetzer, J. H. (2011). Minds and Machines: Limits to Simulations of Thought and

Action. International Journal of Signs and Semiotic Systems, 1(1), 39-48.

Fillmore, C. J. (1976). Frame semantics and the nature of language. Annals of the
New York Academy of Sciences: Conference on the Origin and Development
ofLanguage and Speech, 280(1), 20-32.

Firth, J. R. (1935). The technique of semantics. Transactions of the philological

society, 34(1), 36-73.

Firth, J. R. (1957). Papers in Linguistics 1934-1951. London : Oxford University

Press.

Flament, C. et Rouquette, M.-L. (2003). Anatomie des idées ordinaires: comment

étudier les représentations sociales. Paris: A. Colin.

· Fontanille, J. (1998). Sémiotique du discours. Limoges: Presses Univ. Limoges.

Fontanille, J. (2005). Signes, textes, objets, situations et formes de vie: les niveaux de
pertinence sémiotique. Les objets du quotiçlien, 192-203.

Fontanille, J. (2006). Pratiques sémiotiques : immanence et pertinence, efficience et

optimisation. Actes sémoitiques, ( 104-106).

Fontanille, J. (2007). Affichages: de la sémiotique des objets à la sémiotique des

situations. AS - Actes Sémiotiques. Récupéré de [Link] :
[Link]

Fontanille, J. (2008). Pratiques sémiotiques (1re éd) Formes sémiotiques. Paris

Presses universitaires de France.

Forest, D. (2006). Application de techniques de forage de textes de nature prédictive

et exploratoire à des fins de gestion et d'analyse thématique de documents
 432

textuels non structurés (Thèse de doctorat). Montréal : Université du Québec à

Montréal.

Franzosi, R. (2008). Content analysis. 2éd. Thousand Oaks, Califomia SAGE

Publications

Franzosi, R. (2010). Quantitative narrative analysis Series: Quantitative Applications

in the Social Sciences. Thousand Oaks, Califomia : SAGE Publications.

Franzosi, R. (2011). Content analysis. 3éd. London; Thousand Oaks, Calif.: SAGE.

Freeman, J. B. (1991). Dialectics and the macrostructure of arguments: A theory of

argument structure (vol. 10). Berlin : Walter de Gruyter.

Freeman, J. B. (2011). An Approach to Argument Macrostructure. Argumentation

Library. Dans Argument Structure: (p. 1-38). Springer Netherlands.

Fuchs, C., Lacheret-Dujour, A. et Victorri, B. (1993). Linguistique et traitement

automatique des langues. Paris: Hachette.

Fung, G. P.C., Yu, J. X. et Lam, W. (2003). Stock prediction: Integrating text mining
approach using real-time news. Dans Computational Intelligence for
Financial Engineering, 2003. Proceedings. 2003 IEEE International
Conference on (p. 395-402). IEEE.

Galofaro, F. (2013). Forrnalizing Narrative Structures: Glossematics, Generativity,

and Transformational Rules. Signala. Annales des sémiotiques / Annals of
Semiotics, (4), 227-246.

Gamson, W. A. (1989). News as framing: Comments on Graber. American

behavioral scientist, 33(2), 157-161.

Gazoni, R. M. (2018). A Semiotic Analysis of Programming Languages. Journal of

Computer and Communications, 06(03), 91-101.
 433

Gervas, P. (2013a). Propp's Morphology of the Folk Tale as a Grammar for

Generation. Dans 4th Workshop on Computational Models of Narrative
(CMN '13). M. A. Finlayson, J. C. Meister, & E. G. Bruneau.

Gervas, P. (2013b). Propp's Morphology of the Folk Tale as a Grammar for

Generation. Dans 4th Workshop on Computational Models of Narrative (p.
106-122).

Gervas, P., Diaz-Agudo, B., Peinado, F. et Hervas, R. (2005). Story plot generation
based on CBR. Knowledge-Based Systems, 18(4-5), 235-242.

Giraud, C. (2015). Introduction to high-dimensional statistics. (139)Monographs on

statistics and applied probability. Boca Raton : CRC Press, Taylor & Francis
Group.

Giroux, D. et Charlton, S. (2014). Les médias et la crise étudiante [Rapport

d'analyse], p. 72. Québec: Centre d'études sur les médias - Université Laval.

Glasgow University Media Group. (1980). More bad news. London: Routledge and
Kegan Paul. [00000 Great Britain. Television programmes: News
programmes (BNB/PRECIS)Includes index.].

Goepfert, E.-M. (2010a). Médias, politique et vie privée: analyse du phénomène de

peopolisation dans la presse écrite française. Lyon 2.

Goepfert, E.-M. (2010b). Traduction et construction du phénomène de peopolisation.

Signes, Discours et Sociétés: Revue semestrielle en sciences humaines et
sociales dédiée à l'analyse des Discours, (4), 10.

Greimas, A. J. (1966). Sémantique structurelle: recherche et méthode. Paris

Larousse.

Greimas, A. J. (1970). Du sens essais semiotiques. Paris: Éditions du Seuil.

Greimas, A. J. (1973a). Les actants, les acteurs et les figures. Sémiotique narrative et
textuelle, 161-176.
 434

Greimas, A. J. (1973b). Un problème de sémiotique narrative: les objets de valeur.

Langages, 8(31), 13-35.

Greimas, A. f. (1979). Introduction à l'analyse du discours en sciences sociales.

Paris : Hachette.

Greimas, A. J. (1983). Du sens JI: essais sémiotiques. Paris: Seuil.

Greimas, A. J. et Courtés, J. (1979). Sémiotique : dictionnaire raisonné de la théorie

du langage. Paris : Hachette.

Grelley, P. (2012). Contrepoint - La méthode expérimentale. Informations sociales,

n° 174(6), 23-23.

Groupe d'Entrevemes, (1984). Analyse sémiotique des textes: introduction, théorie,

pratique. Lyon: Presses universitaires de Lyon.

Gudwin, R. R. et Gomide, F. A. C. (1997). Computational semiotics: An approach for

the study of intelligent systems-part I: Foundations. Tenchical Report RT-
DCA.

Hammer, R. et Amey, P. (2009). La sensibilisation au don d'organes dans la presse:

récits et expériences vécues. Dans Les médias et le politique. Actes du
colloque «Le français parlé dans les médias», Lausanne (p. 1 -4).

Han, J., Kamber, M. et Pei, J. (2011). Data mining: concepts and techniques. (s. 1.) :
Elsevier

Hariharan, G. (2012). News Mining Agent for Automated Stock Trading. (s. 1.)
Citeseer.

Harris, Z. (1954). Distributional structure. Ward, 10(23), 146-162.

Harris, Z. S. (1952). Discourse Analysis. Language, 28(1), 1 - 30. <loi:

10.2307/409987
 435

Harris, Z. S. et Dubois-Charlier, F. (1969). Analyse du discours. Langages, 8-45.

Hartigan, J. A. et Wong, M. A. (1979). A K-means clustering algorithm. Applied

· Statistics, 28, 100-108.

Hastie, T., Tibshirani, R. et Friedman, J. (2013). The Elements of Statistical Learning:

Data Mining, Inference, and Prediction. (2e éd.) Springer Series in Statistics.
(s. 1.) : Springer..

Hébert, È.-L. (2017). Les effets du traitement médiatique de la grève étudiante

québécoise de 2012 (Mémoire de maîtrise). Montréal: Université du Québec
à Montréal.

Hébert, L. (2016). Dictionnaire de sémiotique générale. Dans Signa. Récupéré de

[Link]

Hennig, C., Meila, M., Murtagh, F. et Rocci, R. (dir.). (2016). Handbook of Cluster
Analysis. (s. 1.) : Chapman & Hall/CRC.

Herman, D. (2000). Narratology as a cognitive science. Image [&]Narrative, 1(1).

Herman, D. (2002). Story logic: problems and possibilities of narrative. Lincoln,

Neb : University of Nebraska Press

Herman, D. (2003a). How Stories Make Us Smarter. Narrative Theory and Cognitive
Semiotics. Recherches en Communication, 19(19), 133-154.

Herman, D. (2003b). Narrative theory and the cognitive sciences. (s. 1.) : Center for
the Study of Language and Inf.

Herman, D. (2009a). Beyond voice and vision: Cognitive grammar and· focalization
theory. Point of view, perspective, and focalization: modeling mediation in
narrative, 17, 119.

Herman, D. (2009b). Narrative ways of worldmaking. Narratology in the age of

cross-disciplinary narrative research, 20, 71.
 436

Herman, D. (2011). Basic Elements ofNarrative. (s. l.): John Wiley & Sons.

Herman, D. (2013). Storytelling and the Sciences ofMind. (s. l.): MIT press.

Heylen, K. et Bertels, A. (2016). Sémantique distributionnelle en linguistique de

corpus. Langages, (201), 51-64.

Hinneburg, A., Aggarwal, C. C. et Keim, D. A. (2000). What is the nearest neighbor

in high dimensional spaces? Dans 26th Internat. Conference on Very Large
Databases (p. 506-515).

Hou, L., Li, J., Wang, Z., Tang, J., Zhang, P., Yang, R. et Zheng, Q. (2015).
NewsMiner: Multifaceted news analysis for event search. Knowledge-Based
Systems, 76, 17-29. Hsu, L.-F. (2010). Mining on Terms Extraction from Web
News. Dans ICCCI 2010: Computational Collective Intelligence.
Technologies and Applications (p. 188-194). Springer Berlin Heidelberg.

Huang, A., Milne, D., Frank, E. et Witten, 1. H. (2008). Clustering Documents with
Active Learning Using Wikipedia. Dans Eighth IEEE International
Conference on Data Mining, 2008. ICDM '08 (p. 839-844).

Huang, R. (2018). Package « RQDA ». Récupéré de [Link]

[Link]/web/packages/RQDA/[Link]

Hubé, N. (2007). Qu'est-ce que l'actualité «politique»? Pour une analyse de la

hiérarchisation de l'information. Regards croisés sur les «Unes» de la presse
quotidienne française et allemande. Thèse de doctorat en science politique
préparée en co-tutelle sous la direction de Jean-Baptiste Legavre et Nils
Diederich, université Robert Schuman Strasbourg/université libre de Berlin,
soutenue le 25 novembre 2005. Trajectoires. Travaux des jeunes chercheurs
du CIERA, (1).

lglesias, J. A., Tiemblo, A., Ledezma, A. et Sanchis, A. (2015). Web news mining in
an evolving framework. Information Fusion, 28, 90-98.
 437

Imbert, G. (1988). Le discours du journal à propos de" El Pais": pour une approche
socio-sémiotique du discours de la presse (vol. 35). (s. 1.) : Centre national de
la recherche scientifique.

Influence Communication. (2012a). État de la nouvelle. Bilan 2012. Récupéré de

[Link]

Influence Communication. (2012b, juillet). Conflit étudiant -Analyse des premières

pages (unes) des quotidiens La Presse, Le Journal de Montréal, Le Devoir et
The Gazette 15 février et le 9 juin 2012. Récupéré de
[Link]
%C3%89tudiants_JUILLET_2012.pdf

Influence Communication. (2018). Qui est Influence. Dans Influence. Récupéré de

[Link]

Ingvaldsen, J. E., Gulla, J. A., Laegreid, T. et Sandal, P. C. (2006). Financial News

Mining: Monitoring Continuous Streams of Text. Dans Web Intelligence (p.
321-324).

Jacomy, M., Venturini, T., Heymann, S. et Bastian, M. (2014). ForceAtlas2, a

Continuous Graph Layout Algorithm for Randy Network Visualization
Designed for the Gephi Software. PLoS ONE, 9(6), e98679.

Jacquemin, C. (2001). Traitement automatique des langues pour la recherche

d'information. Paris : Hermès Science publ.

Jain, A. K. (2010). Data clustering: 50 years beyond K-means. Pattern recognition

letters, 31(8), 651-666.

James, G., Witten, D., Hastie, T. et Tibshirani, R. (2013). An introduction to

statistical learning. (s. 1.) : Springer. ·

Jamet, C. et Jannet, A.-M. (1999). La mise en scène de l'information. Paris: Editions

L'Harmattan.

Johnson-Laird, P.. N. (1983). Mental models: Towards a cognitive science of

language, inference, and consciousness. Harvard : Harvard University Press.
 438

Juanzi, L., Jun, L. et Jie, T. (2009). A flexible topic-driven framework for news
exploration. Dans Proceeding of Conference of Knowledge Discover and
Data Ming.

Kannan, R., Woo, H., Aggarwal, C. C. et Park, H. (2017). Outlier Detection for Text
Data: An Extended Version. arXiv:1701.01325 [es, stat]. Récupéré de
[Link] : [Link] 701.01325

Kantardzic, M. (2011 ). Data mining: concepts, models, methods, and algorithms (2nd
ed). Hoboken, N.J: John Wiley: IEEE Press.

Kao, A. et Poteet, S. R. (2007). Natural Language Processing and Text Mining. (s.
1.): Springer Science & Business Media.

Kassambara, M. A. (2017). Practical Guide to Cluster Analysis in R: Unsupervised

Machine Learning (1 edition). Erscheinungsort nicht ermittelbar :
CreateSpace Independent Publishing Platform.

Kaufman, L. et Rousseeuw, P. J. (2005). Finding groups in data: an introduction to

cluster analysis (vol. 344). (s. l.): John Wiley & Sons.

Kervella, A. (2008). Les discours de la presse .française sur le terrorisme perpétr.é

dans le cadre du conflit israélo-palestinien et du conflit tchétchène, face à la
« guerre contre le terrorisme». Lyon 3.

Ketner, K. L. (1988). Peirce and Turing: Comparisons and conjectures. Semiotica,

68(1 -2), 33-62.

Kintsch, W. (2002). On the notions of theme and topic in psychological process

models of text comprehension. Dans M. Louwerse et W. van Peer (dir.),
Thematics : Interdisciplinary Studies (p. 157-170). Amsterdam/Philadelphia :
John Benjamins Publishing Company.

Kintsch, W. et Van Dijk, T. A. (1975). Comment on se rappelle et on résume des

histoires. Langages, (40), 98-116.
 439

Kitchin, R; (2014). Big Data, new epistemologies and paradigm shifts. Big Data &
Society, l(l), 2053951714528481.

Klinkenberg, J.-M. (2000). Précis de sémiotique générale. Paris: Seuil.

Koopmans, R. et Rucht, D. (2002). Protest event analysis. Methods of social

movement research, 16, 231-59.

Kordjazi, Z. (2012). Images matter: A semiological content analysis of gender

positioning in contemporary English-leaming software applications. Novitas-
ROYAL (Research on Youth and Language), 6(1), 59-80.

Kraft, D. H. et Colvin, E. (2017). Fuzzy Information Retrieval. Morgan & Claypool.

Krieg, A. (2001 ). Emergence et emplois de la formule «purification ethnique» dans la

presse française (1980-1994): Une analyse de discours. L'Information
Grammaticale, 91(1), 41-43.

Krippendorff, K. (2004). Content Analysis: An Introduction to lts Methodology.

·Thousand Oaks, Califomia : SAGE Publications.

Lakoff, G. (2008). The political mind: why you can't understand 2lst-century politics
with an 18th-century brain. (s. 1.): Penguin.

Lakoff, G. et Narayanan, S. (2010). Toward a Computational Model of Narrative.

Dans 2010 AAAI Fall Symposium Series. Récupéré de [Link]
[Link] php/FS S/FS S 1O/paper/view/2323

Lambert, F. (1986). Mythographies: la photo de presse et ses légendes (vol. 12). (s.
1.) : Edilig.

Lan, M., Tan, C. L., Su, J. et Lu, Y. (2009). Supervised and traditional term
weighting methods for automatic text categorization. IEEE transactions on ·
pattern analysis and machine intelligence, 31(4), 721-735.

Lapalut, S. (1995). Text clustering to support knowledge acquisition from documents.

RR- 2639, INRIA.
 440

Larose, D. T. (2006). Data mining methods and models. Hoboken, NJ Wiley-

Interscience.

Le, E. (2000). Pour une analyse critique du discours dans l'étude des relations
internationales. Exemple d'application à des éditoriaux américains sur la
guerre en Tchétchénie. Études internationales, 31(3), 489-515.

Le Priol, F., Desclès, J.-P. et in Le Priol et Desclès. (2009). Annotations automatiques

et recherche d'information. Paris: Hermès science publ.: Lavoisier.

Lebart, L., Piron, M. et Steiner, J.-F. (2003). La sémiométrie: essai de statistique

structurale. Paris: Dunod.

Lebart, L. et Salem, A. (1994a). L'analyse des correspondances des tableaux lexicaux.

Dans Statistique textuelle (p. 79-97). Paris: Dunod.

Lebart, L. et Salem, A. (1994b). Statistique textuelle. Paris: Dunod.

Lebreton, C. (2008). Analyse sociologique de la presse québécoise pour adolescentes

(2005/2006): entre hypersexualisation et consommation (Mémoire). Montréal:
Université du Québec à Montréal.

Lehmann, A. et Martin-Berthet, F. (2014). Lexicologie: sémantique, morphologie,

lexicographie (4.éd)Collection Cursus Lettres. Paris : Colin.

Leiss, W., Kline, S. et Jhally, S. (1990). Social communication in advertising:

persans, products & images of well-being. Scarborough, Ont.; New York :
Nelson Canada; Routledge. [01589].

Lemaire, B., Mandin, S., Dessus, P. et Denhière, G. (2005). Computational cognitive

models of summarization assessment skills. Dans Proceedings of the 27th
Annual Meeting of the Cognitive Science Society (CogSci'2005) (p. 1266-
1271).

Léon, J. (2008). Théorie de l'information, information et linguistes français dans les

années 1960. Un exemple de transfert entre mathématiques et sciences du
 441

langage. Dans Congrès Mondial de Linguistique Française (p. 097). EDP

Sciences.

Lieto, A. et Damiano, R. (2014). A Hybrid Representational Proposai for Narrative

Concepts: A Case Study on Character Roles. Dans 5th Workshop on
Computational Models of Narrative (p. 106). M. A. Finlayson, J. C. Meister,
& E. G. Bruneau.

Linoff, G. S. et Berry, M. J. A. (2011). Data mining techniques: for marketing, sales,

and customer relationship management (3rd ed). Indianapolis, IN : Wiley Pub.
[02353].

Liu, K. (2000). Semiotics in information systems engineering. Cambridge, UK

Cambridge University Press.

Liu, Y., Li, Z., Xiong, H., Gao, X. et Wu, J. (2010). Understanding of internai
clustering validation measures. Dans Data Mining (ICDM), 2010 IEEE 10th
International Conference on (p. 911-916). IEEE.

Lombardo, V. et Pizzo, A. (2014). Ontology-based visualization of characters'

intentions. Dans International Conference on Interactive Digital Storytelling
(p. 176-187). Springer.

Lorusso, A. M. et Violi, P. (2004). Semiotica del testo giornalistico (vol. 368). (s. 1.) :
Laterza.

Loula, A., Gudwin, R. et Queiroz, J. (dir.). (2007). Artificial cognition systems.

Hershey, PA: Idea Group Pub.

Ma, C., Gan, G. et Wu, J. (2007). Data Clustering: Theory, Algorithms, and
ApplicationsASA-SIAM Series on Statistics and Applied Probability. SIAM,
Society for Industrial and Applied Mathematics. Récupéré de
[Link]
7E2F31

Maarek, P. J. (2014). Présidentielle 2012: une communication politique bien

singulière. Paris: Editions L'Harmattan.
 442

Magli, P. et Pozzato, M. P. (1985). La grarnmatica narrativa di Greimas. Dans A. J.

Greimas, Del senso 2: narrativa, modalità, passioni. Milano: Bompiani.

Mahajan, A., Dey, L. et Haque, S. M. (2008). Mining financial news for major events
and their impacts on the market. Dans We~ Intelligence and Intelligent Agent
Technology, 2008. WI-IAT'08. IEEEIWICIACM International Conference on
(vol. 1, p. 423-426). IEEE.

Maingueneau, D. (1979). L'analyse du discours. Repères pour la rénovation de

l'enseignement du français à l'école élémentaire, 51(1), 3-27.

Maingueneau, D. (1997). L'analyse du discours. (s. l.): Hachette Supérieur.

Malhotra, S. et Dixit, A. (2013). An effective approach for news article

surnmarization. International Journal of Computer Applications, 76(16).

Mandler, J. M. (1984). Scripts, staries and scenes: Aspects of schema theory

(Lawrence Erlbaum Associate). Hillsdale (NJ): Psychology Press.

Mani, I. (2012). Computational Modeling of Narrative. San Rafael Morgan &

Claypool Publishers.

Manning, C. D., Raghavan, P. et Schütze, H. (2009). Introduction to information

retrieval (Online edition). Cambridge, UK : Cambridge University Press.

Manning, C. D. et Schütze, H. (1999). Foundations of statistical natural language

processing. Cambridge, MA : MIT press

Manning, P. K. (2004). Semiotics and Data Analysis. Dans M. Hardy et A. Bryman,

Handbook of Data Analysis (p. 566-587). London, UK: SAGE Publications,
Ltd.

Marcus, M. P., Marcinkiewicz, M. A. et Santorini, B. (1993). Building a large

annotated corpus of English: The Penn Treebank. Computational linguistics,
19(2), 313-330.
 443

Markie, P. (2017). Rationalism vs. Empiricism. Dans E. N. Zalta (dir.), The Stanford
Encyclopedia of Philosophy (Fall 2017). Metaphysics Research Lab, Stanford
University. Récupéré de Stanford Encyclopedia of Philosophy
[Link]

Marrone, G. (2001). Carpi sociali: processi comunicativi e semiotica del testa.

Torino: Einaudi.

Martin, O. (2009). L'analyse de données quantitatives. Paris : A. Colin.

Martinet, J. (1975). Clefs Pour La Semiologie. Paris: Seghers.

Masulli, F., Petrosino, A. et Rovetta, S. (dir.). (2015). Clustering High--Dimensional

Data: First International Workshop, CHDD 2012. Naples, IT : Springer.

Mayaffre, D. (2002). Les corpus réflexifs: entre architextualité et hypertextualité.

Corpus, (1 ).

McAdams, D. P. et McLean, K. C. (2013). Narrative Identity. Current Directions in

Psychological Science, Sage CA: Los Angeles, CA.

McKeown, K. et Radev, D. R. (1995). Generating summaries of multiple news

articles. Dans Proceedings of the 18th annual international ACM SlGIR
conference on Research and development in information retrieval (p. 74-82).
ACM.

McQuarrie, E. F. et Mick, D. G. (1992). On Resonance: A Critical Pluralistic Inquiry

into Advertising Rhetoric. Journal of Consumer Research, 19(2), 180-197.

Meunier, Jean-Guy. (1989). Artificial intelligence and sign theory. Semiotica, 77(1-
3), 43-64.

Meunier, Jean-Guy. (2009). CARAT-Computer-Assisted Reading and Analysis of

Texts: The Appropriation of a Technology. Digital Studies / Le champ
numérique, 1(3).
 444

Meunier, Jean-Guy. (2014). Humanités numériques ou computationnelles: Enjeux

herméneutiques. Sens-Public.

Meunier, Jean-Guy. (2017a). Humanités numériques et modélisation scientifique.

Questions de communication, 3l(à paraître).

Meunier, Jean-Guy. (2017b). Sémiotique et computation. Applied Semiotics /

semiotique appliquée.

Meunier, Jean-Guy. (2019a). La rencontre du sémiotique et du «numérique»: Le

rôle d'une modélisation conceptuelle. Semiotica, (à paraitre).

Meunier, Jean-Guy. (2019b). Le paradoxe des humanités numériques. Quaderni, n°

98(1), 19-31.

Meunier, Jean-Guy et Forest, D. (2009). Lecture et analyse conceptuelle assistée par

ordinateur: premières expériences. Dans J.-P. Desclés et F. Le Priol (dir.),
Annotation automatique et recherche d'informations. Paris : Hermes -
Lavoisier.

Meunier, J.-G. (2018). Vers une sémiotique computationelle? Applied Semiotics /

Semiotique appliquée, (26), 75-107.

Meyer, D., Homik, K. et Feinerer, I. (2008). Text mining infrastructure in R. Journal

ofStatistical Software, 25(5), 1-54.

Minsky, M. (1988). Society of mind. (s. l.): Simon and Schuster.

Mitchell, T. M. (1997). Machine Learning. New York: McGraw-Hill.

Mittermayer, M.-A. et Knolmayer, G. (2006). Text mmmg systems for market

response to news: A survey. Bern : Institut für Wirtschaftsinformatik der
Universitat Bern.

Moisl, H. (2015). Cluster analysisfor corpus linguistics. (66) Quantitative linguistics.

(s. 1.): De Gruyter Mouton ..
 445

Moretti, F. (2013). Distant reading. New York: Verso Books.

Mounin, G. (2004). Dictionnaire de la linguistique (4. éd)Quadrige. Paris: PUF.

Nadin, M. (1977). Sign and fuzzy automata. Semiosis, 1(5), 19-26.

Nadin, M. (2011). Information and Semiotic Processes The Semiotics of

Computation. Cybernetics & Human Knowing, 18(1-2), 153-175.

Nazarenko, A., Habert, B. et Salem, A. (1997). Les linguistiques de corpus. Armand

Colin. Récupéré de HAL Archives Ouvertes : [Link]
[Link]/hal-006 l 9268

Née, É. (dir.). (2017). Méthodes et outils informatiques pour l'analyse des

discoursDidact Méthode. Rennes: Presses Universitaires de Rennes.

Neuendorf, K. A. (2002). The Content Analysis Guidebook. Thousand Oaks,

California : SAGE Publications.

Neveu, F. (2004). Dictionnaire des sciences du langage. Paris: Armand Colin.

Noth, W. (1995). Handbook ofSemiotics. Bloomington: India~a University Press.

Oliver, P. E., Cadena-Roa, J. et Strawn, K. D. (2003). Emerging trends in the study of

protest and social movements. Research in political sociology, 12(1 ), 213-244.

Oliver, P. E. et Myers, D. J. (1999). How events enter the public sphere: Conflict,
location, and sponsorship in local newspaper coverage of public events.
Americanjournal ofsociology, 105(1), 38-87.

Patry, R. et Nespoulous, J.-L. (1990). Discourse Analysis in Linguistics: Historical

and Theoretical Background. [Discourse Analysis in Linguistics]. Springer
Series in Neuropsychology. Dans Y. Joanette et H. H. Brownell (dir.),
Discourse Ability and Brain Damage (p. 3 -27). Springer New York.

Pêcheux, M. (1969). Analyse automatique du discours. Paris: Dunod.

 446

Pedersen, T. (2008). Computational Approaches to Measuring the Similarity of Short

Contexts: A Review of Applications and Methods. arXiv:0806.3787 [es].
Récupéré de [Link] : [Link]

Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., ...
Duchesnay, E. (2011). Scikit-learn: Machine Learning in Python. Journal of
Machine Learning Research, 12, 2825-2830.

Peirce, C. S. (1994). The Collected Papers of Charles Sanders Peirce (Electronic

Edition). Virginia, U.S.A. : InteLex Corp. Charlottesville.

Peldszus, A. et Stede, M. (2013). From argument diagrams to argumentation mining

in texts: A survey. International Journal of Cognitive Informatics and Natural
Intelligence (IJCINI), 7(1), 1-31.

Pessoa de Barros, D. L. (1983). L'isotopie discursive. Papiere zur Textlinguistik,

Papers in textlinguistics. Dans F. Neubauer (dir.), Coherence in Natural-
Language Texts (p. 115-133). Hamburg: H. Buske.

Piskorski, J. et Atkinson, M. (2011). Frontex real-time news event extraction

framework. Dans Proceedings of the 17th ACM SIGKDD international
conference on Knowledge discovery and data mining (p. 749-752). ACM.

Polguère, A. (2016). Lexicologie et sémantique lexicale: notions fondamentales

(Troisième édition)Paramètres. Montréal, Québec : Les .Presses de
l'Université de Montréal.

Porteous, J. et Cavazza, M. (2009). Controlling Narrative Generation with Planning

Trajectories: The Role of Constraints. [Controlling Narrative Generation with
Planning Trajectories]. Lecture Notes in Computer Science. Dans I.A. Iurgel,
N. Zagalo et P. Petta (dir.), Interactive Storytelling (p. 234-245). Springer
Berlin Heidelberg.

Porteous, J., Cavazza, M. et Charles, F. (2010). Narrative Generation Through

Characters' Point of View. Dans Proceedings of the 9th International
Conference on Autonomous Agents and Multiagent Systems: Volume 1 -
Volume 1 (p. 1297-1304). Richland, SC : International Foundation for
Autonomous Agents and Multiagent Systems.
 447

Porter, M. F. (2001). Snowba/1: A language for stemming algorithms. Récupéré de

[Link]

Poudat, C. et Landragin, F. (2017). Explorer un corpus textuel: méthodes, pratiques,

outils. Paris : De Boeck supérieur.

Pozzato, M. P. (2005). Leader, oracoli, assassini: analisi semiotica del/'informazione.

Roma : Carocci.

Que peut le métalangage? (2013). Signata. Annales des sémiotiques / Annals of

Semiotics, (4), 7-9.

Queiroz, J. et Merrell, F. (2008). On Peirce's Pragmatic Notion of Semiosis-A

Contribution for the Design of Meaning Machines. Minds and Machines,
19(1), 129-143.

Raber, D'. et Budd, J. M. (2003). Information as sign: semiotics and information

science. Journal of Documentation, 59(5), 507-522.

Rapaport, W. J. (2012). Semiotic Systems, Computers, and the Mind: How Cognition
Could Be Computing. !nt. J. Signs Semiot. Syst., 2(1), 32-71.

Rastier, François. (1972). La systématique des isotopies. Dans A. J Greimas (dir.),

Essais de sémiotique poétique. Paris : Larousse.

Rastier, François. (1995). La sémantique des thèmes - ou le voyage sentimental. Dans

François Rastier (dir.), L'analyse thématique des données textuelles (p. 223-
249). Paris : Didier. L

Rastier, François. (1996). La sémantique des textes: concepts et applications. Hermès,

16, 15-37.

Rastier, François. (1997). Les fondations de la sémiotique et le problème du texte.

Questions sur les Prolégomènes. Semiotic and cognitive studies. Dans A.
Zinna (dir.), Hjelmslev aujourd'hui (p. 141-164). Turnhout: Brepols.
 448

Rastier, François. (2001a). Arts et sciences du texte (1re éd)Formes sémiotiques.

Paris : Presses universitaires de France.

Rastier, François. (2001 b). Sémiotique et sciences de la culture. Linx. Revue des
linguistes de l'université Paris X Nanterre, (44), 149-168.

Rastier, François. (2005a). Enjeux épistémologiques de la linguistique de corpus. La

linguistique de corpus. Presses Universitaires de Grenoble, 31-46.

Rastier, François. (2005b). La Microsémantique. Texto!, 10(2). Récupéré de

[Link] 1996-
2007/Inedits/Rastier/Rastier_ [Link]

Rastier, François. (2009). Sémantique interprétative (3e éd) Formes sémiotiques.

Paris: Presses universitaires de France.

Rastier, François. (2010). Objets culturels et performances sémiotiques.

L'objectivation critique dans les sciences de la culture. Dans L. Hébert et L.
Guillemette, Performances et objets culturels nouvelles perspectives (p. 15-
58). Sainte-Foy: Presses de l'Université Laval. Récupéré de Open WorldCat.

Rastier, François. (2011). La mesure et le grain: sémantique de corpus. Paris : H.

Champion.

Rastier, François. (2012). Langage et pensée: dualité sémiotique ou dualisme cognitif?

(s. 1.) : Texto.

Rastier, François. (2018). Computer-Assisted Interpretation of Semiotic Corpora.

Lecture Notes in Morphogenesis. Dans Quantitative Semiotic Analysis (p. 123
-139). Springer, Cham.

Rastier, François, Cavazza, M. et Abeillé, A. (1994). Sémantique pour l'analyse: de

la linguistique à l'informatique. (s. 1.): Masson.

Ravoux Rallo, E. (1996). Les mécanismes du récit. Sciences humaines, (60), 16-19.
 449

Reese, S. D., Professor, O. H. G. J., Jr, O. H. G., Grant, A. E. et Grant, J. R. M. P. of

J. A. E. (2001). Framing Public Life: Perspectives on Media and Our
Understanding of the Social World. (s. l.): Routledge. [00928 Google-Books-
ID: LhaQAgAAQBAJ].

Reinert, M. (1990). Alceste une méthodologie d'analyse des données textuelles et une
application: Aurelia De Gerard De Nerval. Bulletin de méthodologie
sociologique, 26(1), 24-54.

Rend6n, E., Abundez, I., Arizmendi, A. et Quiroz, E. M. (2011). Internai versus

External cluster validation indexes, 5(1), 8.

Revaz, F. (1997). Le récit dans la presse écrite. Pratiques, 94, 19-33.

Rey-Debove, J. (1979). Sémiotique (1. éd)Lexique. Paris : Puf. Récupéré de Library

of Congress ISBN. (P99 .R48)

Rich, E., Knight, K. et Nair, S. B. (2009). Artificial intelligence. Neh Delhi : Jata
McGraw-Hill. [00149].

Rieger, B. B. (1997). Computational Semiotics and Fuzzy Linguistics. Dans Proc. of

the 1997 International Conference on Intelligent Systems and Semiotics (p.
541-551).

Ringoot, R. (2014). Analyser le discours de presse. Paris: Armand Colin.

Rizkallah, É. (2013). L'analyse textuelle des discours assistée par ordinateur et les
logiciels textométriques: réflexions critiques et prospectives à partir d'une
modélisation des procédés analytiques fondamentaux. Cahiers de recherche
sociologique, (54), 141-160.

Rizkallah, É. et Della Faille, D. (2014). Regards croisés sur l'analyse du discours.

(54)Cahiers de recherche sociologique. Montréal: Athéna édition.

Rousseeuw, P. J. (1987). Silhouettes: a graphical aid to the interpretation and

validation of cluster analysis. Journal of computational and applied
mathematics, 20, 53-65.
 450

Rumelhart, D. E. (1975). Notes on a schema for staries. Representation and

, understanding: Studies in cognitive science, 211(236), 45.

Ruwet, N. (2009). Analyse structurale d'un poème français: un sonnet de Louise Labé.
Linguistics, 2(3), 62-83.

Ryan, M.-L. (2015). Narratologie et sciences cognitives: une relation problématique*.

Cahiers de Narrato/ogie. Analyse et théorie narratives, (28).

Sahlgren, M. (2006). The Word-space mode! (Thèse de doctorat). Stockholm

Stockholm University.

Sahlgren, M. (2008). The distributional hypothesis. Jtalian Journal of Linguistics,

20(1), 33-54.

Salem, A. (1982). Analyse factorielle et lexicométrie : synthèse de quelques

expériences. Mots, 4(1), 147-168.

Salton, G. et Lesk, M. E. (1968). Computer Evaluation of Indexing and Text

Processing. J. ACM, 15(1), 8-36.

Salton, Gerard. (1971). The SMART retrieval system: Experiments in automatic

document processing. NJ : Prentice-Hall, Upper Saddle River.

Salton, Gerard. (1988). Automatic Text Processing: The Transformation, Analysis,

and Retrieval of Information by Computer. Boston, MA : Addison-Wesley
Publishing Company.

Salton, Gerard. (1991). The Smart Document Retrieval Project. Dans Proceedings of
the 14th Annual International ACM SIGIR Conference on Research and
Deve/opment in Information Retrieval (p. 356-358). New York, NY, USA:
ACM.
. .
Salton, Gerard et Buckley, C. (1988). Term-weighting Approaches in Automatic Text
Retrieval. Information Processing and Management, 24(5), 513-523.
 451

Salton, Gerard et McGill, M. J. (1983). Introduction to modern information retrieval.

New York: McGraw-Hill.

Salton, Gerard, Wong, A. et Yang, C.-S. (1975). A vector space model for automatic
indexing. Communications of the ACM, 18(11), 613-620.

Saporta, G. (2006). Probabilités, analyse des données et statistique. Paris: Technip.

Saussure, F. de. (1916). Cours de linguistique générale. Lausanne: Payot.

Savoy, J. (1999). A stemming procedure and stopword list for general French corpora.
JASIS, 50(10), 944-952.

Sayyadi, H., Sahraei, A. et Abolhassani, H. (2008). Event Detection from News

Articles. Communications in Computer and Information Science. Dans H.
Sarbazi-Azad, B. Parhami, S.-G. Miremadi et S. Hessabi (dir.), Advances in
Computer Science and Engineering (p. 981-984). Spririger Berlin Heidelberg.

Sayyadi, H., Salehi, S. et AbolHassani, H. (2007). Survey on News Mining Tasks.

Dans T. Sobh (dir.), Innovations and Advanced Techniques in Computer and
Information Sciences and Engineering (p. 219-224). Springer Netherlands.

Schaeffer, J.-M. (2010). Le traitement cognitif de la narration. Dans Narratologies

contemporaines: approches nouvelles pour la théorie et l'analyse du récit (p.
215-32). Archives contemporaines.

Schank, R. C. et Abelson, R. P. (1977). Scripts, plans, goals und understanding:

inquiry into human knowledge structures. Hillsdale: Lawrence Erlbaum.

Scheufele, D. A. (1999). Framing as a theory of media effects. Journal of

communication, 49(1), 103-122.

Schmid, H. (1994). Probabilistic Part-of-Speech Tagging Using Decision Trees. Dans

Proceedings of the International Conference on New Methods in Language
Processing. Manchester; UK.
 452

Schmid, H. (1995). Improvements In Part-of-Speech Tagging With an Application To

German. Dans In Proceedings of the ACL SIGDAT-Workshop (p. 47-50).

Schoch, C. (2013). Big? Smart? Clean? Messy? Data in the Humanities. Journal of
Digital Humanities, 2(3), 2-13.

Schütze, H. (1993). Word space. Dans Advances in Neural Information Processing

Systems 5. Citeseer.

Schütze; H. et Pedersen, J. ( 1993). A vector model for syntagmatic and paradigmatic

relatedness. Dans Proceedings of the 9th Annual Conference of the UW
Centre for the New OED and Text Research ·(p. 104-113). Citeseer.

Shah, N. A. et ElBahesh, E. M. (2004). Topic-based clustering of news articles. Dans

Proceedings of the 42nd annual Southeast regional conference (p. 412-413).
ACM.

Simone, R. (2005). Fondamenti di linguistica. Roma : Editori Laterza.

Sinclair, J. (1991). Corpus, concordance, collocation. (s. l.): Oxford University Press.

Sinclair, J. (1996). Preliminary recommendations on Corpus Typology [Technical

report]. EAGLE (Expert Advisory Group on Language Engineering
Standards). Récupéré de
[Link]

Skvoretz, J. (1993). Generating narratives from simple action structures. The Journal
ofMathematical Sociology, 1~(2-3), 135-140.

Speed, J. G. (1893). Do newspapers now give the news. Dans Forum (vol. 15, p. 705
-711).

Stamper, R. K. (1973). Information in Business and Administrative Systems. New

York, NY : John Wiley & Sons.
 453

Steinbach; M., Ertoz, L. et Kumar, V. (2004). The challenges of clustering high

dimensional data. Dans New directions in statistical physics (p. 273 -309).
Springer.

Sudhahar, S., Franzosi, R. et Cristianini, N. (2011). Automating Quantitative

Narrative Analysis of News Data. Dans JMLR: Workshop and Conference
Proceedings (vol. 17, p. 63-71).

Sueur, A. (1994). Urss et mythologie avant la perestroïka. Thèse de doctorat. Paris 1.

Tahar, A. (2006). Étude sémiotique du discours journalistique algérien d'expression

française le titre du fait divers comme micro-objet sémiotique (Thèse
doctorat). Biskra : Université Mohamed khider Biskra.

Tan, P.-N. et Steinbach, M. (2019). Ch. 7: Cluster Analysis: Basic Concepts and
Algorithms. Dans Introduction to Data Mining (Second edition). New York,
NY : Pearson.

Tanaka-Ishii, K. (2010). Semiotics of programming. New York, NY : Cambridge

University Press.

Tanaka-Ishii, K. (2015). Semiotics of Computing: Filling the Gap Between Humanity

and Mechanical Inhumanity. Dans International Handbook of Semiotics (p.
981-1002). New York, NY : Springer.

Tang, X., Yang, C. et Zhou, J. (2009). Stock Price Forecasting by Combining News
Mining and Time Series Analysis. Dans IEEEIWICIACM International Joint
Conferences on Web Intelligence and Intelligent Agent Technologies, 2009.
WI-IAT '09 (vol. 1, p. 279-282).

Thérien, G. (1989). Sémiotique et intelligence artificielle. Études littéraires, 21(3), 67.

Traini, S. (2013). Le basi della semiotica. Milano: Bompiani.

Tremblay, P.-A., Roche, M. et Tremblay, S. (dir.). (2015). Le printemps québécois

(1re éd.). Presses de l'Université du Québec.
 454

Tuchman, G. (1980). Making news: a study in the construction ofreality. New York:
Collier Macmillan.

Tufféry, S. (2017). Data mining et statistique décisionnelle: la science des données.

Paris : Technip.

Tukey, J. W. (1977). Exploratory Data Analysis (1 edition). Reading, Mass: Pearson.

Valette, M. (2018). Elements of a Corpus Semantics for Humanities. Application to

the Classification of Subjective Texts. Lecture Notes in Morphogenesis. Dans
Quantitative Semiotic Analysis (p. 141 -150). Springer, Cham.

Van Dijk, Teun A. (1972). Foundations for typologies of texts. Semiotica, 6(4), 297-
323.

V an Dijk, Teun A. (1973). Grammaires textuelles .et structures narratives. Dans C. D.

Chabrol Alexandresku, Sorin, Barthes, Roland, Bremond, Claude, Greimas,
Algirdas Julien, Maranda, Pierre, Schmidt, Siegfried J. ,. Van Dijk, Teun a
(dir.), Sémiotique narrative et textuelle. Larousse.

Van Dijk, Teun A. (1980). Macrostructures. Hillsdale, NJ: Erlbaum.

Van Dijk, Teun A. (1983). Discourse Analysis: Its Development and Application to
the Structure of News. Journal of Communication, 33(2), 20-43. ·

Van Dijk, Teun A. (1985a). Discourse and Communication: New Approaches to the
Analysis of Mass Media Discourse and Communication. (s. 1.) : Walter de
Gruyter.

Van Dijk, Teun A. (1985b). Structures of news in the press. Discourse and
communication, 69-93.

Van Dijk, Teun A. (1988a). News analysis: Case studies of international and
national news in the press. Hillsdale, NJ : Lawrence Erlbaum Associates.

Van Dijk, Teun A. (1988b). News as discourse. Hillsdale, NJ : Lawrence Erlbaum

Associates.
 455

Van Dijk, Teun A. (2008a). Discourse and context. Cambridge Cambridge

University Press. [02523].

Van Dijk, Teun A. (2008b ). Discourse and power. Basingstoke : Palgrave Macmillan.

Van Dijk, Teun Adrianus et Kintsch, W. (1983). Strategies of discourse

comprehension. (s. 1.) : Citeseer.

Van Rijsbergen, C. J. (2004). The geometry of information retrieval. Cambridge,

England; New York: Cambridge University Press.

Vijayarani, S., Ilamathi, M. J. et Nithya, M. (2015). Preprocessing Techniques for

Text Mining-An Overview. International Journal of Computer Science and
Communication Networks, 5(1 ), 7-16.

Volli, U. (2008). Manuale di semiotica (7e éd.). Roma: GLF editori Laterza.

Volli, U. (2014). L'analisi semiotica corne ricerca empirica sul testo. COSMO
Comparative Studies in Modernism, 0(4). Récupéré de [Link]
[Link]

Weber, R. P. (1990). Basic content analysis. Thousand Oaks, California : Sage

Publications.

Wierzchon, S. et Klopotek, M. (2018). Modern Algorithms of Cluster Analysis (vol.

34)Studies in Big Data. Cham : Springer.

Wüest, B., Rothenhausler, K. et Hutter, S. (2013). Using Computational Linguistics

to Enhance Protest Event Analysis. SSRN Electronic Journal.

Wynne, M. (2005). Developing linguistic corpora: A guide to good practice (vol. 92) ..
Oxbow Books Oxford.

Yan, Y., Okazaki, N., Matsuo, Y., Yang, Z. et Ishizuka, M. (2009). Unsupervised
Relation Extraction by Mining Wikipedia Texts Using Information from the
Web. Dans Proceedings of the Joint Conference of the 47th Annual Meeting
of the ACL and the 4th International Joint Conference on Natural Language
 456

Processing of the AFNLP: Volume 2 - Volume 2 (p. 1021-1029). Stroudsburg,

PA, USA : Association for Computational Linguistics.

Yao, L., Riedel, S. et McCallum, A. (2012). Unsupervised Relation Discovery with

Sense Disambiguation. Dans Proceedings of the 50th Annual Meeting of the
Association/or Computational Linguistics: Long Papers - Volume 1 (p. 712-
720). Stroudsburg, PA, USA : Association for Computational Linguistics.

Young, K. et Saver, J. L. (2001). The Neurology ofNarrative. SubStance, 30(1), 72-

84.

Yu, C. H., Jannasch-Pennell, A. et DiGangi, S. (2011). Compatibility between Text

Mining and Qualitative Research in the Perspectives of Grounded Theory,
Content Analysis, and Reliability. The Qualitative Report, 16(3), 730-744.

Zarri, G. P. (1997). NKRL, a knowledge representation tool for encoding the of

complex narrative texts. Natural Language Engineering, 3(02), 231-253.

Zarri, G. P. (2010). Representing and Managing Narratives in a Computer-Suitable

Form. Dans 2010 AAAI Fall Symposium Series.

Zarri, G. P. (2015). Semantic/Conceptual Annotation Techniques Making Use of the

Narrative Knowledge Representation Language (NKRL). Dans· FLAIRS
Conference (p. 131 -136).

Zemanek, H. (1966). Semiotics and Programming Languages. Commun. ACM, 9(3),

139-143.

Zhai, C. (2009). Statistical language models for information retrieval. San Rafael
(Calif.): Morgan & Claypool.

Zipf, G. K. (1949). Human behavior and the principle of least effort. Cambridge,
Mass : Addison-Wesley.