Module : La linguistique du corpus/ méthodologie de la recherche
Cours 1 : Suite
Approche empirique vs. Approche introspective
1. L’approche introspective
Faire une approche introspective, c’est observer et analyser ses propres pensées,
connaissances, ou intuitions plutôt que de se baser sur des faits concrets ou sur des données
externes.
En linguistique, cela a un sens plus précis :
Approche introspective : le chercheur se base sur sa propre intuition linguistique,
sur ce qu’il juge « correct » ou « acceptable » dans une langue. Par exemple, un
linguiste peut dire :
Je sais que cette phrase est grammaticalement correcte parce que, en tant que
locuteur natif, je le ressens ainsi.
Ici, il n’a pas besoin d’un corpus : il se fie à son jugement personnel.
Basée sur l’intuition du chercheur ou du locuteur natif.
Les exemples sont fabriqués pour illustrer un phénomène.
Objectif : tester une hypothèse théorique sur la grammaire ou la syntaxe.
Méthode dominante dans la linguistique générative (Chomsky, années 1960).
Exemples :
Le linguiste imagine :
a. Le chat mange la souris.
b. Mange la souris le chat ?
→ Il juge la (b) agrammaticale, selon son intuition de locuteur.
Avantages :
Rapidité d’analyse.
Permet de tester des structures rares.
Limites :
Subjectivité du chercheur.
Données souvent décontextualisées.
Pas de garantie que les phrases reflètent l’usage réel.
1
2. L’approche empirique
Fondée sur l’observation de données linguistiques réelles, authentiques, enregistrées
ou collectées.
Les énoncés ne sont pas inventés, mais extraits d’un corpus.
Objectif : décrire les régularités et les usages effectifs de la langue.
Approche empirique (ou corpus-based) : à l’inverse, elle repose sur l’observation
de données réelles recueillies dans un corpus (ensemble de textes oraux ou écrits).
Par exemple :
Je vais vérifier combien de fois cette structure apparaît dans un corpus de français
parlé pour décrire son usage réel.
Exemples :
À partir d’un corpus de presse, on observe que le mot “développement” apparaît souvent avec
“durable”, “économique”, ou “social”.
→ Cette observation fonde une description statistique du lexique.
Avantages :
Données vérifiables et reproductibles.
Observation de phénomènes authentiques, en contexte.
Possibilité d’analyse quantitative et qualitative.
Limites :
Nécessite du temps et des outils.
Corpus parfois biaisé (non représentatif).
3. Synthèse comparative
Critère Approche introspective Approche empirique
Source des données Intuition du chercheur Données réelles (corpus)
Objectif Tester une hypothèse théorique Décrire l’usage effectif
Validité Subjective Vérifiable / Réplicable
Type de données Inventées Authentiques
Méthode Qualitative Quantitative et qualitative
Exemple Le chat mange la souris Occurrences de “chat” dans un corpus
2
Définition du corpus et de la linguistique du corpus
1. Définition du corpus
Corpus : ensemble structuré et représentatif de données linguistiques authentiques, collectées
selon des critères explicites, en vue d’une analyse linguistique.
Définition de la linguistique du corpus
Linguistique du corpus : approche empirique de la langue qui s’appuie sur des corpus
numériques pour décrire, analyser et interpréter les usages linguistiques réels.
Elle vise à :
Observer comment les locuteurs emploient la langue dans divers contextes ;
Décrire les régularités de l’usage (collocations, fréquences, structures) ;
Fournir une base de données pour la recherche, la didactique et la technologie
linguistique.
Caractéristiques d’un corpus
Un corpus n’est pas un simple ensemble de textes : il doit répondre à des critères précis.
Caractéristique Description
Authenticité Les données sont issues d’usages réels (pas inventés).
Représentativité Le corpus reflète fidèlement la langue ou le registre étudié.
Équilibre Il contient des textes variés selon le genre, la source, le niveau de langue.
Taille suffisante Le volume permet de tirer des conclusions significatives.
Structuration Les données sont organisées (fichiers, métadonnées, annotation).
Accessibilité Le corpus est consultable et exploitable via des outils.
Traçabilité Les sources et critères de sélection sont documentés.
Enjeux scientifiques de la linguistique du corpus
Renouveler la description linguistique : grammaire, lexique, discours.
Relier théorie et usage : vérifier les hypothèses grammaticales par les données.
Favoriser la rigueur empirique : toute observation doit être vérifiable.
Développer des outils linguistiques : dictionnaires, corpus annotés, systèmes de
traduction, etc.
Travaux Dirigés (TD 1) : Construire un
mini-corpus et distinguer les approches
3
Objectifs du TD
Comprendre concrètement ce qu’est un corpus.
Distinguer données inventées et données authentiques.
Commencer à constituer un mini-corpus écrit.
Constitution du corpus
1. Choisir une source fiable :
o Presse : Le Monde, El Watan, TSA, Liberté, El Moudjahid, HuffPost Maghreb,
etc.
o Discours : sites officiels, YouTube, journaux télévisés, sites gouvernementaux.
2. Collecter :
o 3 à 5 articles ou discours sur la même thématique.
o Copier le texte dans un document (en respectant les sources).
3. Donner un titre au corpus et indiquer :
o La thématique choisie.
o Le type de corpus (oral transcrit ou écrit).
o La source et la date de chaque texte.
Étape 3 – Observation empirique
À partir du corpus constitué :
1. Identifier quelques phénomènes linguistiques :
o Fréquence de certains mots-clés.
o Usage des pronoms personnels.
o Tournures récurrentes (ex. il faut, nous devons, selon...).
2. Comparer les résultats avec les intuitions du début (approche introspective).
Exemple : « Je pensais que les discours politiques utilisaient souvent nous, mais dans
mon corpus, je et le peuple reviennent plus fréquemment. »
Discussion collective
En classe, on discute :
Qu’apporte le corpus par rapport à l’introspection ?
Les résultats confirment-ils ou contredisent-ils les intuitions initiales ?
Quelles sont les limites de ce petit corpus ?