Corpus multilingues et comparables

Cette action est centrée sur la constitution et l’étude de corpus multilingues comparables et parallèles, en visant des perspectives multiples : celles de la linguistique contrastive mais aussi de la terminologie bilingue, de la traductologie ou des humanités numériques. Dans l’application des technologies du TAL à la linguistique de corpus, cette action concerne le thème 3 :Corpus et TAL.

Cette action comporte trois orientations :

1/ Développement d’outils.

2/ Constitution de corpus parallèles et comparables.

3/ A partir de ces corpus, étude et description des phénomènes constrastifs, traductologiques, terminologiques et stylistiques en collaboration avec des spécialistes de ces domaines.

Pour les corpus parallèles, nous cherchons à mettre en œuvre des techniques d'alignements à différents niveaux de granularité (textes, phrases, syntagmes, unités lexicales). Par les équivalences qu’ils recèlent, les corpus parallèles sont complémentaires des corpus comparables, car ils permettent une comparaison directe, tandis que ces derniers permettent de d’identifier les usages authentiques sans biais traductionnel.

En terminologie textuelle, nos travaux s’effectuent à partir de corpus monolingues et bilingues comparables, guidés par une double perspective linguistique et appliquée. Nous nous intéressons notamment à l’identification et à la caractérisation linguistique des contextes riches en connaissance dans les textes spécialisés. La dimension appliquée repose sur l’enrichissement d’un portail terminologique multilingue. La nature interdisciplinaire de nos recherches nous amène à croiser méthodes et outils issus de la linguistique de corpus avec l’environnement de recherche des sciences de l’information et de la communication. Ces travaux portent sur la médiatisation de l’alimentation et de la santé et la construction du discours à travers une approche communicationnelle et terminologique.

Des corpus parallèles et comparables réunissant des textes spécialisés (domaine médical), ont été produits pour le couple FR-AR et sont disponibles à l’interrogation sur le Lexicoscope (corpus OMS - Covid, corpus MSD).