Ce texte est la version française de l'article Structural Ambiguity in Context,
présenté au colloque 2nd Language & Technology Conference: Human Language Technologies as a Challenge for Computer Science and Linguistics, 21-23 avril 2005, Poznan, Pologne.

1. Introduction

       L'ambiguïté structurelle est présente dans des phrases anglaises du type de

             Flying planes can be dangerous,

dans lesquelles le GN flying planes peut avoir flying ou planes pour tête. Ce document examine une construction du même genre, et utilise la Toile comme lieu d'observation des comportements langagiers.

Pour cela, nous partons d'un cas plus complexe, combinant ambiguïtés structurelle et lexicale. Soit la phrase

             Le visiteur illustre le livre,

dont le verbe est illustre ou livre, et qui donne au passif Le livre est illustré par le visiteur ou C'est livré par le visiteur illustre.

      

On crée ce genre de phrase en combinant trois composants équivoques :

• Adjectif-Verbe, ici illustre

• Verbe-Nom, ici livre et

• Article-Pronom : ici le

qui nous donnent deux lectures, pouvant être nommées Sujet+Verbe+Objet et Sujet-avec-Adjective+Objet-Pronominal+Verbe, ou, en plaçant les principaux composants entre crochets, [le visiteur] [illustre le livre] vs [le visiteur illustre] [le livre]. Comme nous le verrons, SVO l'emporte le plus souvent sur SOV, bien que ce dernier soit irréprochable syntaxiquement.

A partir d'environ 40 formes Adjectif-Verbe et 200 formes Verbe-Nom, il existerait, en l'absence de restrictions de sélection, approximativement 8000 combinaisons de ces formes. Dans les cours de TAL, on en trouve une demi-douzaine. Où donc, entre 6 et 8000, se trouve la vraie mesure  ?

       Pour le savoir, nous avons construit un outil de recherche de Toile qui lance un moteur pour chaque couple de valeurs Adjectif-Verbe/Verbe-Nom. La plupart du temps, il n'en sort rien. Les retours "positifs" doivent être soigneusement examinés, car les causes de "faux positifs" ne sont pas absentes. Cependant, on les distingue assez clairement.


2. Recherche proprement dite

       Notre algorithme se résume à une double boucle sur des tableaux contenant l'ensemble des Adjectifs-Verbes et celui des Verbes-Noms, qui engendre un appel de moteur de recherche paramétré par la séquence

             "adjectif-verbe+le-verbe-nom".

• Tout d'abord, nous avons mis en évidence une trentaine de phrases construites sans intention apparente de créer une structure ambiguë. Cela répond à notre interrogation « Où, entre 6 et 8000 ? ».

• Tous les exemples pédagogiques, ainsi que l'on pouvait s'y attendre.

• du bruit produit par des systèmes de génération aléatoire de texte, ou par l'interposition de ponctuations dans la séquence, mais cela n'introduit pas de confusion dans notre détection des résultats valides.

4. Pertinence de nos observations

pour chaque type d'exemple, on trouve en général une ou deux pages où il figure, mais parfois plus de 70, et ce dans le cas précis de

La matière courbe l'espace

courante dans les cours de physique relativiste.

Pour chaque exemple, il faut se demander s'il est lu SVO ou SOV.

A une exception près, c'est SVO qui gagne, comme le montrent les autres occurences, dans le document trouvé, des termes ambigus. Cela fonde empiriquement la conjecture suivante : l'auteur d'une telle phrase, consciemment ou non, s'attend à ce qu'elle soit lue ainsi. C'est peut-être lié à l'écriture de Toile, d'où l'intérêt de refaire le même travail sur d'autres corpus de textes.

5. Une exception remarquable

Contrairement aux autres, les phrases de la forme

X aveugle le Y

se lisent "il est Y-é par X aveugle" et non "Y est aveuglé par X", par exemple dans le cas de

L'amour aveugle le conduit

C'est lié d'une part au fait que le verbe aveugler est bien moins fréquent que l'adjectif aveugle, d'un facteur treize environ, et d'autre part au lieu commun selon lequel "l'amour est aveugle". Mais là aussi, c'est sans doute local à notre corpus.

6. Cours de TAL et autres divertissements

Certains exemples n'ont qu'une valeur métalinguistique, on les trouve dans les sites abritant des jeux de mots, des cours de TAL, et des propos sur les langues, plutôt que sur des situations concrètes. Pour mémoire, ce sont

(1) Le pilote ferme la porte (ou bien "La porte est fermée par le pilote", ou bien "Elle est portée par le pilote ferme")

(2) La petite brise la glace (ou bien "La glace est brisée par la petite", ou bien "Elle est glacée par la petite brise")

et de même,

(3) Le boucher sale la tranche

(4) La substance trouble leur nuit

(5) L'ornithologue lâche la plume

Notre exploration les retrouve, et confirme qu'elles n'apparaissent pas dans des documents "ordinaires", autrement dit, non métalinguistiques. Elles ont une valeur illustrative, comme en ont la plupart des phrases construites au hasard sur notre site. Cela provient du fait qu'un lecteur, même confronté au fameux exemple chomskyen dans lequel des idées vertes dorment furieusement, a tendance à "trouver" un contexte dans lequel cela peut se dire. D'aucuns sont allés jusqu'à parler d'herméneutique charitable à ce propos.

7. Conclusion

L'acquis important est la prédominance de SVO pour ce type de phrases.

Les principales difficultés méthodologiques sont les suivantes.

La Toile est-elle un corpus ? Les moteurs de recherche n'introduisent-ils pas quelques biais ? Que faire des instabilités ?

D'autre part, quelle utilité ont nos résultats ? Faut-il la chercher du côté des analyseurs, de la réponse aux questions, de l'enseignement du français comme langue étrangère ?

Troisièmement, il faudrait faire une chose de ce genre pour les textes en anglais. C'est en cours, mais les verbes et les noms qui se comportent respectivement comme Flying et planes sont innombrables (en voici un exemple graphique faisant intervenir painting mice). Il faudrait s'y mettre à plusieurs.

Toutefois, nous estimons que les divers moteurs de recherche nous offrent la possibilité de construire d'incomparables dispositifs d'expérimentation sur la langue.

Bibliographie

Berthelin, J. B., 2005: Principes d'Informatique Linguistique
www.limsi.fr/Individu/jbb/pil.htm

Brill, Eric and Raymond J. Mooney, 1997: An Overview of Empirical Natural Language Processing, AI Magazine Volume 18 Number 4.

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

Gazdar, Gerald and Chris Mellish, 1989: Natural Language Processing in X., Addison-Wesley.

Graner, Nicolas, 1999: Palindrome, http://graner.net/nicolas/OULIPO/exp-palindrome.html

Hoenisch, Steve, 2004: Identifying and Resolving Ambiguity, http://www.criticism.com/linguistics/types-of-ambiguity.php

Kilgariff, Adam and Gregory Grefenstette, 2003: Introduction to the Special Issue on the Web as Corpus, Computational Linguistics Volume 29, Number 3.

Maher, John and Judith Groves, 1996: Chomsky for beginners, Penguin Books.

Max, Aurélien, 2003: The Syntax Student's Companion, http://clips.imag.fr/geta/aurelien.max/SSC/

Pallier, Christophe, 2004: Comparing corpus-based counts versus web page counts as estimates of lexical frequency, http://pallier.org/ressources/lexiquefreq/Pallier_lexiquefreq.pdf