<\/p>\n
<\/p>\n
Micaela Rossi C\u00e9cile Fr\u00e9rot Caroline Djambian Giada D\u2019Ippolito R\u00e9sum\u00e9 Abstract Les ann\u00e9es 90 marquent un tournant dans l\u2019histoire de la terminologie en lien avec de nouvelles orientations (FABER, L\u2019HOMME 2022). Favoris\u00e9e dans son essor par l\u2019exploitation de grands corpus informatis\u00e9s, la terminologie textuelle (BOURIGAULT, SLODZIAN 1999) a \u00e9t\u00e9 une composante essentielle de ce renouveau, r\u00e9pondant \u00e0 des besoins li\u00e9s \u00e0 des applications mettant en jeu des textes.<\/p>\n Le d\u00e9veloppement d\u2019outils permettant l\u2019extraction des verbes a contribu\u00e9 \u00e0 questionner l\u2019existence d\u2019une terminologie verbale (BOURIGAULT, JACQUEMIN 2000) et \u00e0 explorer son fonctionnement linguistique dans les textes sp\u00e9cialis\u00e9s. Le r\u00e9cent article de Marie-Claude L\u2019Homme (2022), et la r\u00e9flexion que l\u2019auteure propose (Can adjectives and verbs be terms ?<\/em>) t\u00e9moigne de la pr\u00e9gnance de cette question en terminologie qui traverse la discipline, empruntant diff\u00e9rentes voies th\u00e9oriques et portant sur divers domaines disciplinaires (e.g. CONDAMINES 1993 ; LERAT 2002 ; LORENTE 2002 ; TELLIER 2008 ; L\u2019HOMME 2012\u00a0; SANCHEZ-CARDENAS, FREROT 2021). La cr\u00e9ation ou l\u2019enrichissement de ressources terminologiques sous-tend la r\u00e9alisation de ces travaux.<\/p>\n Notre \u00e9tude s\u2019ancre dans une approche pluridisciplinaire en Humanit\u00e9s Num\u00e9riques qui offre un cadre inexplor\u00e9 pour l\u2019\u00e9tude des verbes. C\u2019est une rencontre entre terminologie, sciences de l\u2019information et informatique dans le cadre du projet ITinHeritage<\/em> (DJAMBIAN, ROSSI, D\u2019IPPOLITO 2023), qui a pr\u00e9sid\u00e9 \u00e0 sa r\u00e9alisation. Le corpus est constitu\u00e9 des m\u00e9tadonn\u00e9es provenant de diff\u00e9rents mus\u00e9es europ\u00e9ens, organis\u00e9es en graphe de connaissances. Son contenu se d\u00e9marque donc de l\u2019objet habituellement explor\u00e9 en terminologie textuelle. Nous avons extrait du corpus la part langagi\u00e8re constitu\u00e9e de descriptions textuelles[1]<\/a> qui portent sur des objets mat\u00e9riels (machines).<\/p>\n Nous cherchons \u00e0 appr\u00e9hender dans quelle mesure le lexique verbal contribue \u00e0 l\u2019\u00e9mergence de relations conceptuelles dans le domaine. En tant que lex\u00e8mes relationnels, les verbes sont davantage susceptibles que les substantifs de r\u00e9v\u00e9ler les structures notionnelles existant au sein d\u2019un domaine. Sur le plan m\u00e9thodologique, nous explorons premi\u00e8rement le corpus avec la plateforme Sketch Engine (KILGARRIFF et al<\/em>. 2014). Nous d\u00e9gageons un ensemble de lemmes verbaux dont on fait l\u2019hypoth\u00e8se qu\u2019ils contribuent \u00e0 l\u2019organisation conceptuelle (exemple : int\u00e9grer<\/em>, pr\u00e9senter<\/em>, contenir<\/em>, disposer<\/em>, comporter<\/em>, composer<\/em>)[2]<\/a>. Nous observons le fonctionnement des verbes notamment avec la fonctionnalit\u00e9 Word Sketch <\/em>et identifions des patrons lexico-syntaxiques mettant en jeu une relation conceptuelle donn\u00e9e, qui pourront servir d\u2019amorce \u00e0 la construction d\u2019un dictionnaire et d\u2019une ontologie du domaine.<\/p>\n L\u2019UNESCO d\u00e9finit les Technologies de l\u2019Information (TI) comme \u00ab l\u2019ensemble d\u2019outils et de ressources technologiques permettant de transmettre, enregistrer, cr\u00e9er, partager ou \u00e9changer des informations, [\u2026] \u00bb (UNESCO 2023). On ne compte plus \u00e0 ce jour les objets informatis\u00e9s et l\u2019\u00e9volution trop rapide et massive des TI n\u2019a pas laiss\u00e9 le temps \u00e0 l\u2019\u00e9tude. Se pencher sur ce patrimoine est un enjeu crucial de compr\u00e9hension du monde actuel et de son \u00e9volution soci\u00e9tale depuis la deuxi\u00e8me moiti\u00e9 du XXe<\/sup> si\u00e8cle. Notre approche r\u00e9solument patrimoniale, interdisciplinaire et intersectorielle, part des espaces mus\u00e9aux des TI. Le London Science Museum (Royaume-Uni), le Conservatoire pour l\u2019Informatique et la T\u00e9l\u00e9matique (ACONIT) (France), le NAM-IP (Belgique), le Museo del calcolo (Italie), le Homecomputermuseum (Pays-Bas) et le le Heinz Nixdorf MuseumsForum (HNF) (Allemagne) participent activement \u00e0 notre r\u00e9seau en expansion. Le projet de recherche ITinHeritage<\/em> vise \u00e0 mener une r\u00e9flexion \u00e9pist\u00e9mologique sur la question des TI en mettant au c\u0153ur de la question du patrimoine l\u2019histoire d\u2019une mutation soci\u00e9tale et l\u2019\u00e9mergence de nouveaux savoirs en termes de repr\u00e9sentations du monde.<\/p>\n Il s\u2019agit, premi\u00e8rement, de d\u00e9finir ce patrimoine complexe \u00e0 circonscrire. Pour ce faire, il nous faut le questionner \u00e0 travers ses savoirs cristallis\u00e9s sous diverses formes, ce champ n\u2019ayant jamais \u00e9t\u00e9 explor\u00e9. Les expressions de ce savoir sont d\u2019abord explicites, par l\u2019objet physique, qui est caract\u00e9ristique des patrimoines scientifiques et techniques contemporains auxquels nos \u00e9tudes pourront s\u2019\u00e9tendre et que la dimension technologique forte rend peu lisibles et saisissables par le non-initi\u00e9. Cet objet physique tend \u00e0 une immat\u00e9rialisation croissante : l\u2019artefact et sa documentation num\u00e9ris\u00e9s, les logiciels (1\/3 de certaines collections) et les donn\u00e9es sont autant d\u2019objets immat\u00e9riels qui forment les nouvelles collections de la science. Toutefois, l\u2019expression des savoirs de ce patrimoine est aussi tacite. C\u2019est le langage de sp\u00e9cialit\u00e9 qui l\u2019exprime et nous pouvons l\u2019\u00e9tudier gr\u00e2ce aux experts du domaine et aux traces qu\u2019ils ont formalis\u00e9es. Or, l\u2019\u00e9tude des diversit\u00e9s linguistiques nous permettra de construire une dialectique entre science et public, deux sph\u00e8res qui peinent pour l\u2019instant \u00e0 se rencontrer, et d\u2019\u00e9tudier l\u2019\u00e9volution conjointe langue-technologie (DJAMBIAN, ROSSI, D\u2019IPPOLITO 2023).\u00a0 Le travail vise la construction d\u2019une onto-terminologie du patrimoine des TI, est r\u00e9alis\u00e9 premi\u00e8rement sur Prot\u00e9g\u00e9, puis dans un deuxi\u00e8me temps, sur l\u2019\u00e9diteur TEDI (ontoTerminology\u00a0editor<\/em>), plus accompli que Prot\u00e9g\u00e9 pour la cr\u00e9ation d\u2019onto-terminologies sur la base du principe de diff\u00e9renciation sp\u00e9cifique (logique aristot\u00e9licienne) et selon les normes ISO 704 et 1087 (ROCHE 2019).<\/p>\n Car s\u2019int\u00e9resser \u00e0 la fa\u00e7on dont les experts nomment leur domaine, c\u2019est s\u2019int\u00e9resser \u00e0 la fa\u00e7on dont ils le conceptualisent. Seul le langage assure le transfert des concepts, soit les savoirs consensuels. C\u2019est pourquoi, sur la base d\u2019un travail d\u2019extraction lexicale, nous mod\u00e9lisons les savoirs du patrimoine des TI par une ontologie refl\u00e9tant la conceptualisation du monde des TI. Bas\u00e9e sur les m\u00e9ta-ontologies CIDOC-CRM et l\u2019Europeana Data Model, l\u2019ontologie ITinHeritage<\/em> int\u00e8gre OWLTime pour \u00eatre diachronique et repr\u00e9senter les \u00e9volutions technologiques. Outre sa vocation \u00e0 mod\u00e9liser formellement les connaissances du patrimoine des TI pour mieux les transmettre, elle structure \u00e9galement un graphe de connaissances (knowledge graph<\/em>), creuset du patrimoine des TI, qui recueille l\u2019ensemble des m\u00e9tadonn\u00e9es d\u00e9crivant les collections des mus\u00e9es. Initialement fournies dans des formats tr\u00e8s h\u00e9t\u00e9rog\u00e8nes et structur\u00e9es selon des visions du domaine divergentes, ces donn\u00e9es ont d\u00fb \u00eatre harmonis\u00e9es. Pour ce faire, nous les avons adapt\u00e9es aux recommandations de l\u2019Europeana Data Model (EDM) en ne conservant que les sept classes c\u0153ur, et aux principes FAIR (Findable<\/em>, Accessible<\/em>, Interoperable<\/em>, Reusable<\/em>). L\u2019objectif \u00e9tait de structurer ces donn\u00e9es de fa\u00e7on coh\u00e9rente et de les pr\u00e9parer \u00e0 une diffusion large, pour les rendre accessibles sur le web et r\u00e9utilisables, notamment dans le cadre de travaux scientifiques (science ouverte). \u00a0Ces donn\u00e9es ont \u00e9t\u00e9 converties au format CSV (Comma-Separated Values<\/em>) pr\u00e9sentant les donn\u00e9es tabulaires en format texte ouvert, s\u00e9par\u00e9es par des virgules. Il est \u00e0 l\u2019heure actuelle, le format le plus utilis\u00e9 pour publier des m\u00e9tadonn\u00e9es sur le web des donn\u00e9es, c\u2019est-\u00e0-dire pour les ouvrir. Puis, nous les avons converties dans le langage RDF (qui est un mod\u00e8le de graphe bas\u00e9 sur le triplet \u00ab\u00a0sujet \u2013 pr\u00e9dicat \u2013 objet\u00a0\u00bb, relativement \u00e0 la logique de description qui r\u00e9git la construction d\u2019ontologies, et permettant de d\u00e9crire formellement des ressources web et des m\u00e9tadonn\u00e9es selon les paradigmes du web s\u00e9mantique (Linked Open Data<\/em> (LOD)). Les donn\u00e9es ont enfin \u00e9t\u00e9 synchronis\u00e9es avec les mus\u00e9es pour que chaque nouvelle entr\u00e9e dans leur collection soit r\u00e9percut\u00e9e dans notre syst\u00e8me. Le graphe de connaissances, qui compte \u00e0 ce jour plus de 25500 artefacts, p\u00e9rennise ainsi le patrimoine des TI et le rend accessible au plus grand nombre en ouvrant et liant s\u00e9mantiquement les donn\u00e9es sur le web. L\u2019acc\u00e8s aux connaissances est rendu possible par une plateforme web con\u00e7ue dans une approche Interface-Homme-Machine (IHM), permettant de d\u00e9couvrir les artefacts par navigation dans les concepts de l\u2019ontologie et par interrogation en langage naturel.<\/p>\n Nous avons choisi de limiter notre mat\u00e9riau d\u2019\u00e9tude aux m\u00e9tadonn\u00e9es provenant de l\u2019un des mus\u00e9es contributeur au projet, couvrant environ 13 000 artefacts en langue fran\u00e7aise. Ce corpus comprend un ensemble de champs, tels que fournis par le mus\u00e9e, structurant les donn\u00e9es\u00a0: domain<\/em>, title <\/em>(nom des objets), constructor<\/em>, model, description<\/em>, key words<\/em>, dimension, material<\/em>, place<\/em>, use<\/em>, etc. Afin d\u2019\u00eatre exploitables par des outils d\u2019extraction lexicale, les donn\u00e9es ont \u00e9t\u00e9 converties sous Excel depuis le format CSV, qui fournit d\u00e9j\u00e0 les donn\u00e9es en tableur au format texte. Le contenu des champs pr\u00e9sente un caract\u00e8re atypique et h\u00e9t\u00e9rog\u00e8ne, qui le d\u00e9marque de l\u2019objet textuel habituellement explor\u00e9 en terminologie textuelle, ou plus largement en terminologie bas\u00e9e sur corpus. Etant donn\u00e9 la perspective textuelle que nous adoptons dans cet article, nous avons s\u00e9lectionn\u00e9 le contenu des champs qui concentrent la plus importante composante textuelle, \u00e0 savoir les champs Description<\/em> et Use<\/em> illustr\u00e9s respectivement par les extraits (1) et (2) qui portent sur des objets mat\u00e9riels, notamment des machines, et sur leurs modalit\u00e9s de fonctionnement :<\/p>\n (1) L\u2019appareil est contenu dans un coffret m\u00e9tallique de type industriel. On trouve \u00e0 l\u2019arri\u00e8re le bloc alimentation et les connecteurs permettant un ensemble de liaisons standards (ordinateur, HP-IB…). A c\u00f4t\u00e9 des emplacements libres permettent d\u2019ins\u00e9rer diff\u00e9rents types de cartes d\u2019acquisition de donn\u00e9es (conversion analogue-digital…). En face avant, un ensemble de boutons permettent de s\u00e9lectionner les interfaces et les fonctions utilis\u00e9es. Comme le montrent les donn\u00e9es du Tableau 1 ci-dessous, la taille des corpus (dor\u00e9navant corpus Description<\/em> et corpus Use<\/em>) est \u00e0 ce stade relativement limit\u00e9e, mais elle offre d\u00e9j\u00e0 un mat\u00e9riau d\u2019exploration qui pourra \u00eatre compl\u00e9t\u00e9 par la suite.<\/p>\n En premi\u00e8re intention, nous avons utilis\u00e9 un outil d\u2019extraction automatique de terminologie (TermoStat)[3]<\/a>, que nous avons par la suite \u00e9cart\u00e9 de notre \u00e9tude, car il ne correspondait pas \u00e0 notre besoin d\u2019observer les verbes en tant que cha\u00eene de caract\u00e8res, sans a priori sur leur statut terminologique. En effet, un outil ou un logiciel d\u2019extraction automatique de terminologie produit une liste de candidats termes, qui correspondent \u00e0 des mots ou \u00e0 des suites de mots susceptibles de constituer des unit\u00e9s terminologiques. Les candidats termes de nature nominale pr\u00e9dominent dans les r\u00e9sultats produits et bien que TermoStat puisse \u00e9galement extraire des candidats termes de nature verbale, nous souhaitions pouvoir acc\u00e9der \u00e0 l\u2019ensemble des verbes du corpus. In fine<\/em>, notre besoin se situait davantage dans les fonctionnalit\u00e9s offertes par un concordancier.\u00a0 Nous nous sommes alors orient\u00e9s vers ce type d\u2019outil, largement \u00e9prouv\u00e9 en terminologie bas\u00e9e sur corpus. Nous avons privil\u00e9gi\u00e9 la plateforme d\u2019exploitation de corpus Sketch Engine[4]<\/a> (KILGARRIFF et al.<\/em> 2014). Nous nous sommes tout d\u2019abord int\u00e9ress\u00e9es \u00e0 la r\u00e9partition des cat\u00e9gories grammaticales verbe, nom et adjectif dans les corpus Description<\/em> et Use<\/em>. Les r\u00e9sultats produits par Sketch Engine permettent d\u2019observer le nombre de lemmes et la fr\u00e9quence totale pour chaque cat\u00e9gorie comme l\u2019illustrent les donn\u00e9es du Tableau 2 ci-dessous.<\/p>\n Si le nombre de lemmes fait la part belle aux noms dans les corpus Description<\/em> et Use<\/em>, la fr\u00e9quence totale met au jour une proportion de verbes non n\u00e9gligeable. En effet, tout en \u00e9tant nettement inf\u00e9rieure \u00e0 la cat\u00e9gorie nominale, la cat\u00e9gorie verbale repr\u00e9sente respectivement plus de 21% et de 26% de l\u2019ensemble des occurrences dans chaque corpus. Par ailleurs, si le nombre de lemmes adjectivaux avoisine celui des lemmes verbaux, la proportion de verbes[5]<\/a> est nettement sup\u00e9rieure \u00e0 celle des adjectifs (26,2% vs.<\/em> 12,9% dans le corpus Use<\/em>). A l\u2019issue de cette exploration pr\u00e9liminaire en corpus, ces premi\u00e8res donn\u00e9es nous semblent l\u00e9gitimer l\u2019\u00e9tude du verbe[6]<\/a> dans une perspective d\u2019analyse terminologique.<\/p>\n Comme il ressort des pages pr\u00e9c\u00e9dentes, une premi\u00e8re exploration de notre corpus semble justifier pleinement de s\u2019int\u00e9resser aux unit\u00e9s verbales dans l\u2019\u00e9tude terminologique. Comme l\u2019affirme L\u2019Homme, cette prise en compte s\u2019impose \u00e9tant donn\u00e9e la nature m\u00eame du domaine qui fait l\u2019objet de notre analyse : \u00ab In some domains, such as computing where activity concepts are prevalent, it would be odd to overlook verbs \u00bb (L\u2019HOMME, 2022 : 248).<\/p>\n Comment cat\u00e9goriser et classifier les unit\u00e9s verbales contenues dans notre corpus ?<\/p>\n Bien que le r\u00f4le des verbes soit amplement sous-estim\u00e9 dans les recherches en terminologie, les crit\u00e8res d\u2019identification et de classification des verbes dans les discours experts ont d\u00e9j\u00e0 fait l\u2019objet d\u2019\u00e9tudes : L\u2019Homme cite \u00e0 ce propos Condamines (1993) qui identifie les verbes sp\u00e9cifiques \u00e0 un domaine donn\u00e9, et les verbes qui acqui\u00e8rent un sens sp\u00e9cifique dans un domaine donn\u00e9.<\/p>\n Lerat (2002) ajoute \u00e0 cette typologie la cat\u00e9gorie des verbes support, une cat\u00e9gorie qui, comme nous le verrons, s\u2019av\u00e8re productive dans le corpus d\u2019ITinHeritage<\/em>.<\/p>\n Lorente (2002) distingue enfin quatre cat\u00e9gories verbales :<\/p>\n Cette derni\u00e8re typologie est particuli\u00e8rement int\u00e9ressante dans le cadre de notre \u00e9tude.<\/p>\n Nous esp\u00e9rons, par l\u2019analyse des verbes dans notre corpus, pouvoir tester une m\u00e9thodologie d\u2019analyse conciliant une approche s\u00e9masiologique (ax\u00e9e sur l\u2019\u00e9tude du comportement du lexique dans les textes) et une approche onomasiologique, visant la repr\u00e9sentation des connaissances expertes contenues dans le corpus par le biais d\u2019une ontologie formelle.<\/p>\n Une premi\u00e8re analyse de notre corpus, \u00e9labor\u00e9e \u00e0 l\u2019aide de la plateforme Sketch Engine, permet de confirmer (du moins partiellement) la richesse de la typologie verbale esquiss\u00e9e par Lorente (2002). Les corpus Description <\/em>et Use<\/em> r\u00e9v\u00e8lent la pr\u00e9sence de trois cat\u00e9gories verbales :<\/p>\n La distribution de ces trois cat\u00e9gories dans les deux corpus Description <\/em>et Use <\/em>n\u2019est pas homog\u00e8ne, ce qui est tout \u00e0 fait pr\u00e9visible si l\u2019on compare les deux typologies textuelles, Description<\/em> \u00e9tant orient\u00e9e vers la d\u00e9finition des objets et des artefacts qui forment une partie du patrimoine des mus\u00e9es, alors que Use <\/em>a l\u2019objectif d\u2019offrir une contextualisation historique et de d\u00e9crire les usages faits de ces machines. Cette diff\u00e9rence ressort de premiers r\u00e9sultats de l\u2019extraction verbale – nous reproduisons ci-dessous les 50 verbes les plus fr\u00e9quents dans les deux corpus, extraits \u00e0 l\u2019aide de Sketch Engine :<\/p>\n
\n<\/strong>Universit\u00e0 di Genova
\nmicaela.rossi@unige.it<\/a><\/p>\n
\n<\/strong>Universit\u00e9 Grenoble Alpes
\ncecile.frerot@univ-grenoble-alpes.fr<\/a><\/p>\n
\n<\/strong>Universit\u00e9 Grenoble Alpes
\ncaroline.djambian@univ-grenoble-alpes.fr<\/a><\/p>\n
\n<\/strong>Universit\u00e0 di Genova
\ngiada.dippolito@edu.unige.it<\/a><\/p>\n
\n
\n<\/strong>Dans cette contribution, nous nous interrogeons sur l\u2019importance des verbes pr\u00e9sents dans un corpus sp\u00e9cialis\u00e9 selon une approche onto-terminologique. Traditionnellement n\u00e9glig\u00e9s dans les analyses terminologiques, les verbes jouent souvent un r\u00f4le fondamental dans la structuration des concepts d\u2019un domaine. Leur nature de concepts relationnels peut en faire des vecteurs de relations g\u00e9n\u00e9riques, ou bien de relations partitives, susceptibles de s\u2019av\u00e9rer pr\u00e9cieuses dans l\u2019\u00e9laboration d\u2019ontologies formelles. Nous testerons cette hypoth\u00e8se dans le domaine des TI, dans le cadre du projet ITinHeritage<\/em> (DJAMBIAN, ROSSI, D\u2019IPPOLITO 2023).<\/p>\n
\n<\/strong>In this contribution, we examine the importance of the verbs present in a specialised corpus using an onto-terminological approach. Traditionally neglected in terminological analyses, verbs often play a fundamental role in structuring the concepts of a domain. Their nature as relational concepts may make them vectors of generic relations, or partitive relations, which may prove valuable in the development of formal ontologies. We will test this hypothesis in the IT domain, as part of the ITinHeritage<\/em> project (DJAMBIAN, ROSSI, D\u2019IPPOLITO 2023).<\/p>\n
\nIntroduction<\/h3>\n
1. Description du contexte : le projet ITinHeritage<\/em><\/h3>\n
2. Le corpus d\u2019\u00e9tude et la place du verbe<\/h3>\n
\n(2) Ce calculateur ne comporte pas de logiciel, seulement une programmation tr\u00e8s succincte sur des tableaux de connexion reli\u00e9s \u00e0 la tabulatrice, dans lesquels on enfonce des “fiches banane” pour connecter tel ou tel circuit logique. Une petite m\u00e9moire de travail \u00e0 lignes \u00e0 retard est connect\u00e9e \u00e0 la tabulatrice et permet d\u2019injecter des r\u00e9sultats en cours d\u2019op\u00e9ration.<\/p><\/blockquote>\n![\"\"](\"https:\/\/www.dorif.it\/reperes\/wp-content\/uploads\/2025\/12\/rossi-tab-1.jpg\")
<\/p>\n![\"\"](\"https:\/\/www.dorif.it\/reperes\/wp-content\/uploads\/2025\/12\/rossi-tab-2.jpg\")
<\/p>\n3. Les verbes dans notre corpus d\u2019\u00e9tude : r\u00e9flexions pour une premi\u00e8re typologie<\/h3>\n
\n
\n
![\"\"](\"https:\/\/www.dorif.it\/reperes\/wp-content\/uploads\/2025\/12\/rossi-fig-2.jpg\")
<\/strong>Notre analyse combine les r\u00e9sultats de l\u2019analyse automatique issue de Word Sketch \u00e0 une analyse manuelle via un retour au corpus et l\u2019utilisation de la fonctionnalit\u00e9 Concordance pour explorer les occurrences en contexte que nous cherchons \u00e0 quantifier.<\/p>\n![\"\"](\"https:\/\/www.dorif.it\/reperes\/wp-content\/uploads\/2025\/12\/rossi-tab-8.jpg\")
<\/p>\n