Exploiter un corpus de données textuelles sans post-traitement : l’écriture burlesque de la Fronde [Exploiting a Textual Corpus without Post-processing : the Burlesque Writing of the Fronde] Article - Décembre 2021

Karine Abiven, Gaël Lejeune, Jean-Baptiste Tanguy

Karine Abiven, Gaël Lejeune, Jean-Baptiste Tanguy, « Exploiter un corpus de données textuelles sans post-traitement : l’écriture burlesque de la Fronde [Exploiting a Textual Corpus without Post-processing : the Burlesque Writing of the Fronde]  », Humanités numériques, décembre 2021. ISSN 2736-2337

Les « mazarinades » burlesques de la Fronde sont des écrits bien connus des littéraires et des historiens mais peu étudiés systématiquement, en raison notamment de leur difficulté d’accès et de constitution en corpus. Nous cherchons d’abord à délimiter ce corpus et à définir des corpus contrastifs propres à révéler les spécificités de l’écriture burlesque dans ce contexte politique. Ensuite, nous abordons le problème de l’acquisition des données textuelles et nous exposons le processus d’océrisation d’imprimés anciens et son évaluation. Puis, nous choisissons d’exploiter ces données brutes, sans traitement, ce qui semble bien permettre d’obtenir des résultats (dans des domaines tels que le lexique, la métrique ou l’énonciation), en employant différentes méthodes (fouille textométrique et observation des n-grammes de caractères). Nous montrons ainsi la spécificité, dans l’écriture burlesque de la Fronde, de certains motifs littéraires et de certaines rimes. Il s’agit donc ici de présenter l’approche d’un corpus dans toutes les phases du processus : depuis la sélection des données, leur acquisition, leur constitution en corpus, jusqu’à leur exploitation statistique et algorithmique et l’interprétation de cette fouille.

The texts printed during the Fronde (“mazarinades”) and written in “burlesque” style are a set of documents well known to literary and historical scholars but little studied in a systematical way, mainly because they are difficult to access and turn into a corpus. Our first task here is to delimit this corpus and to define contrastive corpora in order to reveal the specificities of “burlesque writing” in this political context. Then, the problem of acquiring textual data arises : the process of digitizing old printed matter and its evaluation are thus exposed. We choose to exploit these raw data, without post-processing or text correction, which still seems to allow us to obtain results (regarding lexicon, metre or enunciation), with various methods (textometry and observation of character n-grams). We thus show the specificity, in the burlesque writing of the Fronde, of some literary motifs or rhymes. The aim is therefore to present the approach of a corpus in all the steps of the process : from the selection of data, their acquisition, and their transformation into a corpus, to their statistical and algorithmic exploitation, and their interpretation through text mining.

Voir la notice complète sur HAL

Actualités