Le traitement automatique de textes versifiés appliqué à un large corpus de poèmes et de pièces de théâtre permet de mettre en évidence des régularités et des particularités à l’échelle d’un recueil, d’un auteur, ou d’une période. Le corpus analysé est relativement conséquent ; il comporte plus d’un million de vers pour 280 auteurs (25 000 poèmes et 141 pièces de théâtre) ; corpus réparti sur une période qui s’étale du XVIIe au début du XXe siècle. L’analyse automatique porte sur
1) l’identification des noyaux syllabiques,
2) le traitement des "e" instables,
3) le traitement des diérèses,
4) le calcul de la longueur métrique des vers,
5) la détermination du profil métrique des poèmes et du mètre des vers,
6) l’appariement des vers en rimes, l’identification des schémas strophiques et la reconnaissance de la forme globale du poème,
7) l’évaluation et le calcul de l’extension des rimes ainsi que l’évaluation de la qualité des rimes. Le projet étant relativement bien avancé, ces différents points ne nécessitent plus que des ajustements et améliorations.

Le projet de recherche en cours porte sur l’évaluation de la concordance syntaxe/mètre. L’analyse syntaxique automatique du corpus fait l’objet d’un travail, portant sur l’évaluation de la catégorisation des mots. Cette expérimentation est actuellement mise en place sur un échantillon du corpus, constitué de 10 sonnets issus de périodes, d’auteurs et de genres de poésie variés. Quatre outils distincts ont été utilisés pour cette annotation : treetagger (Schmid, 1994), Hops (Grobol et Crabbé, 2021), Arborator (Gerdes, 2013) et UDPipe (Straka et al., 2016). Quatre experts ont alors corrigé ces annotations manuellement et un standard de référence (gold) a été mis en place par consensus entre ces experts.

Notre communication portera sur une présentation globale du projet et mettra l'accent sur :
1) la mise en œuvre de l’analyse statistique appliquée à la caractérisation d’un auteur et à l’évolution du traitement des diérèses et de la corrélation entre la richesse des rimes et qualité des rimes ;
2) les nécessaires améliorations du traitement des rimes et de la reconnaissance des formes périodiques indépendamment de la disposition typographique ;
3) la mise en place d’une typologie des enjambements par pondération afin de préciser le degré de concordance entre unités métriques et structuration syntaxique du texte ; et
4) concernant l’évaluation de l’analyse syntaxique, nous présenterons les différentes mesures relatives aux performances des différents outils et à l’accord entre les annotateurs.

Une analyse syntaxique contrôlée du corpus (lemmes, catégories et fonctions), combinée à une analyse métrique des vers et strophes permettra à terme de dégager des observations utiles aux métriciens pour l’étude de la concordance ; évaluation notamment des différents types d’enjambements dans le cadre d’une approche telle que celle proposée par Dell et Benini (2021) pour les distiques du théâtre classique.