Le corpus PhraséoRoChe : les défis de l’établissement des textes et de l’hétérogénéité des états de la langue
Résumé
The PhraséoRoChe corpus focuses on the French-language chivalric romance written in prose. It brings together texts from works produced between the 13th and 17th centuries, a period marked by the birth and disappearance of this textual genre. To enable modern readers to effectively interrogate a corpus covering such a long diachronic period, choices have to be made concerning the evolution of language, not only by addressing the differences between contemporary French and the language of the selected texts, but also by confronting the difficulties associated with the heterogeneity of Old French, Middle French and Pre-Classical French. What methodological choices are necessary to enable the defined objective of linguistic, stylistic or literary exploitation? The project's collaborators faced the three-fold challenge of remaining faithful to the texts, integrating the diversity of editorial practices among researchers at different stages in the history of French, and unifying processing principles as far as possible to make the corpus as useful as possible. This article reports on two aspects of the creation of the corpus: the selection and transcription of a set of 40 texts, and annotation using structural tags, lexical labels and morphosyntactic labels.
Le corpus PhraséoRoChe se centre sur le roman de chevalerie de langue française écrit en prose. Il rassemble des textes issus d’œuvres produites entre le XIIIe siècle et le XVIIe siècle, période bornée par la naissance et la disparition de ce genre textuel. Pour permettre des interrogations par le lecteur d’aujourd’hui d’un corpus outillé embrassant une diachronie aussi longue, il faut faire des choix concernant l’évolution de la langue, non seulement en traitant le décalage entre le français contemporain et la langue des textes retenus mais aussi en faisant face aux difficultés liées à l’hétérogénéité de l’ancien français, du moyen français et du français préclassique. Quels choix méthodologiques peuvent être pertinents en vue de l’objectif défini, à savoir une exploitation de type linguistique, stylistique ou littéraire ? Les collaborateurs du projet se sont heurtés à la triple difficulté de rester fidèles aux textes, d’intégrer la diversité des pratiques éditoriales des chercheurs selon les étapes de l’histoire du français et d’unifier le plus possible les principes de traitement pour faciliter la réception actuelle. Le présent article rend compte des deux volets de l’opération : la sélection et la transcription d’un ensemble de 40 textes, d’abord, et l’annotation au moyen de balises structurelles, d’étiquettes lexicales et d’étiquettes morphosyntaxiques, ensuite.