L’utilisation d’un langage, et aussi, de ce fait, des langues naturelles, repose sur la possibilité de combiner des éléments constitutifs de son vocabulaire selon des règles spécifiques dans des énoncés pourvus de sens. L’ensemble de ces éléments est habituellement appelé « Lexique ». Chez qui peut utiliser un langage sans recourir à un support externe, ce lexique est intériorisé et considéré comme « mental ». L’objectif de cette recherche était de construire un modèle d’un tel « Lexique Mental » .La construction du modèle met à contribution trois sources théoriques : la Linguistique Cognitive, la théorie des cadres (« frames ») dans sa version initiée par Barsalou et ses développements ultérieurs (Löbner), et la catégorisation du réel ainsi que sa formulation axiomatique par les Ontologies Formelles, dont DOLCE et GFO ont été les versions les plus citées.Ce modèle est articulé en trois niveaux (lexical, sémantique et conceptuel) : un lexème (unité lexicale) est rattaché à une ou plusieurs structures sémantiques et inversement (pour rendre compte des notions « champ lexical », polysémie » et « synonymie »), une structure sémantique, rattachée à un modèle cognitif, qui résulte de la factorisation de connaissances encyclopédiques sous l’arbitrage de schémas pré-conceptuels. Nous nous sommes concentrés sur la représentation de processus pour illustrer l’architecture du modèle. De ce fait, nous en avons établi une typologie sur la base de cinq facteurs (composition, gradualité, temporalité, échelle et télicité), que nous avons associé à la modification par quantification de leur structure de base. Ce faisant, nous avons distribué la portée de leurs quantificateurs entre huit variantes (durée, rythme, distance, maximalisation, délai, persistance, itération et fréquence).

La simplification automatique de textes est un domaine du traitement automatique des langues (TAL) qui vise à traiter des textes difficiles à lire pour un public donné de façon à les rendre plus accessibles. Notre objectif consiste à simplifier automatiquement les textes médicaux et de santé. Nous présentons l'ensemble de notre travail sur cette question, qui va de la collecte et analyse de corpus jusqu’aux expériences en simplification automatique.Nous commençons par la collecte d’un corpus comparable de textes médicaux. Ce corpus est constitué de couples de documents qui traitent du même sujet : l’un s’adressant à un public spécialiste et l’autre à un public néophyte. Le corpus contient trois types de textes : des informations sur les médicaments, des bilans de revues systématiques de littérature médicale et des articles encyclopédiques. Une fois les documents collectés, nous annotons un sous-ensemble de ces documents et analysons les transformations linguistiques qui y sont mises en œuvre lors de la simplification.À partir du corpus comparable, nous mettons en place une méthode pour en extraire un corpus parallèle, c’est-à-dire un corpus comprenant des couples de phrases qui ont le même sens mais diffèrent par leur degré de difficulté. Ce type de corpus représente le matériau principal pour les méthodes de simplification automatique. Notre méthode d'extraction de phrases parallèles comporte deux étapes : (1) le préfiltrage de paires de phrases candidates à l’alignement selon des heuristiques syntaxiques et (2) la classification binaire permettant de distinguer les phrases en relation de simplification. Nous évaluons différents classifieurs ainsi que l’influence du déséquilibre des données sur les performances. Afin de valoriser ce corpus parallèle, nous créons également un corpus de paires de phrases annotées selon leur similarité sémantique, avec des scores allant de 0 (sémantique indépendante) à 5 (même sémantique). Les deux corpus sont disponibles pour la recherche.Enfin, nous présentons une série d’expériences en simplification automatique de textes médicaux en français. Ainsi, nous mettons à l’œuvre une méthode neuronale issue de la traduction automatique. Nous utilisons plusieurs ressources : le corpus parallèle médical construit par nous, le corpus parallèle de langue générale automatiquement traduit par nous de l'anglais vers le français ainsi qu’un lexique qui apparie des termes médicaux avec des termes ou paraphrases accessibles au grand public. Nous décrivons le protocole expérimental et menons une évaluation en deux volets, quantitatif et qualitatif. Les résultats sont comparables à l’état de l’art de la simplification en langue générale et montrent que les simplifications produites peuvent être exploitées dans le cadre d’une tâche de simplification assistée par ordinateur.

L'objectif de cette recherche est de comprendre le phraséologisme via ses interactions internes et externes qui précisent l'emploi du terme juridique dans un contexte syntagmatique et paradigmatique évolutif ; l'analyse du sens demeure une question difficile et controversée. En effet, dans cette perspective, l'analyse, à mon sens, doit obéir à un modèle qui préconise des interactions entre des niveaux conceptuel, linguistique et pragmatique ; ceux-ci peuvent permettre de suivre l'agencement du phraséologisme en contexte juridique. D'une façon générale, nous présumons qu'une structure conceptuelle cohérente, régie par le paramètre performatif et englobant plusieurs réalités juridiques, prime sur l'organisation textuelle ; elle répond aux objectifs de la loi. De plus, l'analsye postule que le phraséologisme s'inscrit dans une réalité juridique justifiable en fonction de son contexte. Par ailleurs, elle doit envisager l'intégration des traits conceptuels dans l'analyse syntaxique du phraséologisme. Par conséquent, le sens du phraséologisme peut être justifié dans les liens établis entre la structure conceptuelle et la structure syntaxique. Ce travail sur le phraséologisme offre une étude de problèmes posés par l'analyse conceptuelle, axée sur les relations lexico-sémantique, morphosyntaxique et pragmatique.

Cette thèse étudie les relations entre les pratiques d’écriture en ligne et le genre sur le site communautaire américain Reddit. Elle s’appuie sur un corpus de près de 20 millions de tokens comprenant les commentaires en anglais de 1044 internautes, qui inclut les contributions de 300 personnes transgenres et non binaires. Dans une perspective intersectionnelle, des variables peu souvent prises en compte dans les études sociolinguistiques quantitatives du genre, comme l’âge et l’ethnicité, ont été intégrées aux analyses. Les variables linguistiques étudiées comprennent 11 variations par rapport à la langue écrite standard : 6 procédés d’ajout (émoticônes, émojis, étirements de lettres, étirements de ponctuation, mots en majuscules et interjections) et 5 procédés de réduction (abréviations, graphies phonétiques, g-droppings, omissions d’apostrophe et omissions de la majuscule du pronom personnel I). En complément de ces analyses linguistiques, la thèse propose une exploration quantitative de l'identité en ligne des Redditors. Elle s’intéresse ainsi aux marqueurs les plus visibles de l’activité des Redditors dans la communauté, dont leurs pseudonymes, leurs centres d’intérêt, leur «~karma~», la longévité de leurs comptes et la modération de forums. Les analyses, qui s’appuient principalement sur la méthode de la régression multiple, montrent notamment que femmes et hommes transgenres s’alignent rarement sur les femmes et hommes cisgenres. L’intégration de l’ethnicité aux analyses permet par ailleurs de dresser un tableau nuancé des pratiques d’écriture des femmes et des hommes, et montre la pertinence de l’étude de l’interaction du genre avec d’autres variables sociodémographiques. Nos résultats suggèrent ainsi que les femmes afro-américaines et hispaniques jouent un rôle de premier plan dans la diffusion des formes innovantes de la CMC.

Cette thèse cherche à analyser le fonctionnement des questions lors de réunions de travail, tout en explorant leur lien à l’intercompréhension. Prenant son ancrage dans la sociolinguistique des interactions verbales, cette étude a nécessité la mise en place d’un cadre théorique éclectique composé de différents champs disciplinaires. Ce cadre sur-mesure permet à des approches différentes mais complémentaires d’éclairer la compréhension de ce phénomène inscrit dans un contexte complexe soumis à de multiples enjeux. Nous cherchons ainsi à comprendre comment les questions participent à l’intercompréhension des locuteurs, tout en analysant leurs spécificités sociolinguistiques, interactionnelles et pragmatiques en situation de travail. La constitution et l’analyse d’un corpus de quinze heures quarante d’enregistrement représentant environ 229 000 mots transcrits nous ont permis d’identifier plusieurs fonctionnements des questions à l’oeuvre dans la construction de l’intercompréhension. Nous nous intéressons ainsi à trois phénomènes peu décrits dans la littérature scientifique consacrée aux questions : les semi-assertions, les questions suspensives et les questions hybrides.

La forme et le sens sont intimement liés en morphologie dérivationnelle, l’affixe d’un dérivé renseignant généralement sur son appartenance à une catégorie sémantique donnée. Cette relation entre affixes et catégories sémantiques n’est cependant pas exclusive, et est étudiée à partir de facteurs phonologiques, syntaxiques, ou encore sémantiques. Ces derniers sont sans doute parmi les facteurs les plus difficiles à évaluer empiriquement, et ont longtemps reposé sur une approche intuitive. La sémantique distributionnelle se présente depuis peu comme une alternative, proposant une représentation vectorielle du sens des mots. Nous mettons à profit dans cette thèse les modèles distributionnels pour analyser des dérivés morphologiques au regard de ces relations many-to-many, selon quatre axes. Dans un premier temps, nous quantifions la proximité sémantique entre membres de familles dérivationnelles à l’aide de la proximité distributionnelle dans les espaces vectoriels, validant à grande échelle l’hypothèse d’une plus grande proximité du verbe et du nom d’action. Dans un second temps, nous étayons les différences sémantiques entre les noms en -eur, -euse et -rice relatives aux propriétés axiologiques de leurs référents, en comparant les représentations globales de ces trois classes. Dans un troisième temps, nous évaluons l’hétérogénéité morphologique et sémantique de la catégorie lexicale des noms d’agent à partir de l’analyse de la représentation globale de ses représentants prototypiques. Enfin, nous explorons la différenciation sémantique des noms d’action en -age, -ion et -ment, au regard de leur degré de technicité. Nous combinons des indices distributionnels et statistiques afin de modéliser cette différence de technicité. Au travers de ces quatre questions, cette thèse présente différents degrés d’adaptation des modèles distributionnels pour l’analyse linguistique, illustrant leur potentiel mais aussi leurs limites en tant qu’outil de validation et d’exploration.

Langage, discours, cultures, médias, traduction et identité, six notions inextricablement liées constituent la pierre angulaire de notre recherche et guident notre réflexion qui admet que la langue n’est pas uniquement un système de sons et de signes, elle est plutôt un mode d’expression de la culture, et nous renvoie à notre identité, à l’altérité et à la collectivité.La présente étude se propose de faire une analyse lexico-discursive minutieuse et systématique de la manière dont les médias au Liban traitent les phénomènes migratoires surtout depuis la crise syrienne en 2011. En plus de se focaliser sur la valeur sémio-sémantique et lexico-grammaticale des mots désignant ou renvoyant aux migrants, elle tente de vérifier si le champ lexical du mot مهاجر (migrant) et ses variantes, dans ce contexte arabe, ressemble à celui des autres contextes non arabes, notamment français. Même si la traduction est une technique primordiale dans la compréhension du phénomène migratoire syrien depuis le début de la guerre en Syrie, nous avons opté pour la traduction en tant qu’interprétation et non en tant que technique. Cette étude tente aussi d’expliquer qu’une crise migrantoire constitue un phénomène socioculturel et géopolitique qu’il faut prendre en compte pour garantir une stabilité sociale dans les zones d’accueil.Il est à noter que cette thèse comprend deux volumes. Le premier volume s’intéresse à la partie théorique et pratique et le deuxième volume regroupe les données du corpus et les conditions de l’enquête de terrain.Le premier volume se consacre à l’étude des théories lexicales et énonciatives, spécifiquement celles qui traitent de la subjectivité du langage pour s’articuler ensuite sur la sémantique et la pragmatique. Elle prend comme support d’étude un corpus de presse écrite et numérique réunissant des articles de presse arabophones et francophones publiés au Liban entre 2013 et 2018. Après extraction des des occurrences, cooccurences, collocations et locutions portant sur le rapport réfugiés-migrants-déplacés, notre étude classe ces derniers puis les analyse en respactant l’ordre chronologique de leurs apparitions dans les discours politique et médiatiques libanais. Elle rend compte de l’ambiguïté, de l’opacité et de la confusion sémantiques marquant l’emploi du mot « migrant » et ses équivalents dans ces genres de discursifs. Notre étude se fonde donc sur l’analyse du discours, tout en s’inscrivant dans le cadre de la sémantique lexicale discursive et interprétative d’une part, et de la linguistique de corpus et de terrain, d’autre part. Elle compare les différentes catégorisations et représentations du mot « migrant » et ses resignifiants dans les discours politiques et médiatiques au Liban et en France. Les témoignages des « réfugiés » syriens au Liban que cette recherche expose permettent de comprendre le contexte géopolitique de la présence syrienne « bien justifiée » au Liban. Les résultats de l’analyse vont dans ce sens et démontrent la complexité du phénomène et son appréciation parodoxale par les sociétés d’accueil. Au début de la guerre, cet accueil était dominé par l’hospitalité des locaux mais qui s’est vite transformé en haine, colère, stigmatisation et criminalisation du migrant dans les discours identitaires, avec le temps.

Le projet de recherche de cette thèse est l'intérêt anthropologique d'Émile Benveniste, c'est-à-dire sa perspective sur la relation entre l'homme, la langue et la société. La thèse analyse surtout ses travaux de linguistique historique, pour souligner le lien entre les réflexions générales sur le langage des Problèmes de linguistique générale et l'étude de la grammaire des langues particulières. Le premier chapitre de la thèse contient des notes biographiques sur les années peu connues de l'enfance de Benveniste, jusqu'à ses études universitaires. Le deuxième aborde deux notions centrales dans ses travaux d'ethnosémantique des années 1930 et 1940 : la structure trifonctionnelle de la société et la phraséologie. Le troisième chapitre est consacré à l'entrelacement entre linguistique historique et générale dans deux des principaux ouvrages de Benveniste (Origines de la formation des noms en indo-européen [1935] et Noms d'agent et noms d'action en indo-européen [1946]) et dans un texte peu connu et non signé, l' « Aperçu historique », publié en 1937. Le quatrième chapitre s'occupe de l'influence sur Benveniste des travaux de Marcel Mauss et d'Antoine Meillet, ainsi que des analyses des pronoms personnels chez Benveniste et Franz Boas. Le cinquième détaille la fondation de la revue L'Homme par Claude Lévi-Strauss et par Benveniste, dans laquelle Lévi-Strauss et Algirdas Julien Greimas donnent leurs analyses structuralistes des mythes. Dernièrement, le sixième chapitre est consacré à un examen attentif du dernier chef-d'œuvre de Benveniste, le Vocabulaire des institutions indo-européennes, essayant d'indiquer la réflexion générale qui sous-tend ses analyses des occurrences particulières dans les langues.

L’analyse criminelle est une discipline d’appui aux enquêtes pratiquée au sein de la Gendarmerie Nationale. Elle repose sur l’exploitation des documents compilés dans le dossier de procédure judiciaire (auditions, perquisitions, rapports d’expertise, données téléphoniques et bancaires, etc.) afin de synthétiser les informations collectées et de proposer un regard neuf sur les faits examinés. Si l’analyse criminelle a recours à des logiciels de visualisation de données (i. e. Analyst’s Notebook d’IBM) pour la mise en forme des hypothèses formulées, la gestion informatique et textuelle des documents de la procédure est entièrement manuelle. Or, l’analyse criminelle s’appuie entre autres sur le concept d’entités pour formaliser son travail.La présentation du contexte de recherche détaille la pratique de l’analyse criminelle ainsi que la constitution du dossier de procédure judiciaire en tant que corpustextuel.Nous proposons ensuite des perspectives pour l’adaptation des méthodes de traitement automatique de la langue (TAL) et d’extraction d’information au cas d’étude, notamment la mise en parallèle des concepts d’entité en analyse criminelle et d’entité nommée en TAL. Cette comparaison est réalisée sur les plans conceptuels et linguistiques. Une première approche de détection des entités dans les auditions de témoins est présentée.Enfin, le genre textuel étant un paramètre à prendre en compte lors de l’appli-cation de traitements automatiques à du texte, nous construisons une structuration du genre textuel « légal » en discours, genres et sous-genres par le biais d’une étude textométrique visant à caractériser différents types de textes (dont les auditions de témoins) produits par le domaine de la justice.