On admet depuis Sparck-Jones (1999) que les connaissances linguistiques sont susceptibles d'apporter une contribution significative à la Recherche d'Information (RI), actuellement subdivisée en trois domaines, l'extraction d'information, le résumé automatique et les systèmes de question-réponse. La rapide montée en puissance du Word Wide Web a fait évoluer ces questions en moins de dix ans. L'un des effets en est l'émergence d'un nouveau sous-domaine, la classification de textes et, à travers elle, d'un intérêt nouveau pour les notions de texte et de corpus (Rajman, 2000 ; Jackson et Moulinier, 2002). Parallèlement, on a vu s'imposer des Systèmes de Recherche d'Information (SRI) plus performants, intégrant des modèles statistiques puissants qui combinent des méthodologies mixtes spécifiquement développées naguère pour chacun des sous-domaines.