Il y a encore quelques années, un numéro du Journal of French Language Studies sur le thème de ce numéro spécial aurait exigé une introduction détaillée justifiant une approche fondée sur les corpus et la comparant systématiquement à une approche jugée plus traditionnelle. De fait, la situation a fortement évolué sur le plan national et international. On ne compte plus les ouvrages, les articles, les revues, les numéros spéciaux de revues consacrés aux corpus en linguistique. Ce numéro spécial ne saurait donc prétendre à une singularité qui le détacherait comme figure sur un fond sans valeur. Il n'en offre pas moins une perspective très intéressante. Tout d'abord, même si la plupart des linguistes s'accordent pour reconnaître une valeur heuristique aux corpus et pour saluer l'importance de données qualitatives et quantitatives plus fiables, tous ne sont pas d'accord sur le type de linguistique à construire. L'article de Bernard Laks, ‘Pour une phonologie de corpus’, se refuse à considérer que les linguistiques de corpus ne sont rien d'autre que de simples dispositifs techniques au service d'une linguistique descriptive, empirique ou herméneutique. En offrant une perspective sur la longue durée, il réanalyse l'opposition classique entre sciences de l'exemplum et sciences du datum, et cherche à démontrer que la linguistique, et singulièrement la phonologie, se sont construites, contre la grammaire, comme des sciences empiriques ayant pour objet la modélisation des observables linguistiques. Comprendre l'ancienneté de la notion de corpus et savoir construire son historicité permettent à ses yeux de frayer le chemin d'une linguistique de la parole, condition sine qua non, comme Saussure l'a souvent dit d'une linguistique de la langue.

Pour les sciences du langage, comme pour toutes les sciences, la question du rapport aux données est l'une des plus fondamentales qui soit. Les avancées technologiques récentes en matière d'analyse et de fouille de bases et de banques de données linguistiques ont donné à la question de la relation entre corpus et modèles une acuité nouvelle. Face aux constructions génératives qui voient la théorie comme fondamentalement sous déterminée par les données factuelles, de nouvelles approches ont été proposées qui mettent au premier plan les faits de langue observables et construisent l'analyse linguistique comme une modélisation des usages. Voir dans ce renversement de la relation entre données et modèles un simple effet des technologies nouvellement disponibles et défendre que les linguistiques de corpus ne sont rien d'autre que de simples dispositifs techniques au service d'une linguistique descriptive, empirique ou herméneutique, occulte les questions épistémologiques centrales qui commandent la relation de la science linguistique à ses observables. En réanalysant l'opposition classique entre sciences de l’exemplum et sciences du datum, je montre ici que la linguistique, et singulièrement la phonologie, se sont construites, contre la grammaire, comme des sciences empiriques ayant pour objet la modélisation des observables linguistiques. La notion de corpus apparaît ainsi l'une des plus anciennes qui soient. Comprendre son ancienneté et construire son historicité permettent de saisir ce qui est en jeu dans son resourcement technologique récent et permet de voir le moment génératif comme une parenthèse, certes un temps productive, dans la longue confrontation du linguiste modélisateur à ses corpus d'observables. L'enjeu de la réanalyse de la notion de corpus en linguistique et en phonologie est donc considérable, contre la vulgate saussurienne qui doit si peu à la pensée du Maître genevois, il ne s'agit de rien de moins que frayer le chemin d'une linguistique de parole, condition sine qua non, comme il l'a souvent dit, d'une linguistique de la langue.

French liaison has long been a favourite testing ground for phonological theories, a situation which can undoubtedly be attributed to the complexity of the phenomenon, involving in particular phonology/syntax, phonology/morphology, phonology/lexicon interfaces. Dealing with liaison requires stepping into all the components of the grammar, while at the same time tackling the quick sands of variation. The data on which a number of formal analyses are based have often been a source of concern since liaison, in part because of its intrinsic variable character, requires extensive and robust data. In the wake of the results from the study of other corpora, we present here extensive results based on the PFC database (Phonologie du français contemporain: usages, variétés et structures) and point to their implications for models of linguistic structure. While we do not believe that a motivated theoretical account can be mechanically extracted from the data, we conclude that future analyses will have to take explicitly into account the results of extensive corpus work as well as sociolinguistic surveys, acquisition studies, experimental phonetics and (neuro-)psycho-linguistic investigations, including the relationship between speech and writing. As stressed in Chevrot, Fayol and Laks (2005), these analyses will have to acknowledge that French liaison is not a homogeneous locus but a multi-faceted phenomenon requiring us to accept, without demur, the crossing of disciplinary boundaries.

This paper presents a number of recent studies in French morphology which make extensive use of data. These data relating to derived words have been automatically collected from digital corpora, mostly from the Web. The main point developed here is that this massive increase in the amount of available data can substantially modify the results of a morphological study, and can lead to new theoretical conclusions that would not have been possible with traditional data such as wordlists gathered from dictionaries. However, using the Web as a corpus brings up several technical and methodological questions, which are dealt with through examples and discussions about the different tools and techniques available. We exemplify our thesis through the study of the suffixal forms: -esque, -este, -able, -ment.

Dans cet article, nous proposons une méthode qui permet de mesurer le degré d'autonomie que manifestent les compléments prépositionnels vis-à-vis du verbe dans un corpus, de manière à tester l'hypothèse couramment admise d'un continuum entre arguments et circonstants et d'en étudier les manifestations. L'exploitation de corpus annotés catégoriellement et syntaxiquement et la mise au point de méthodes de quantification nous permettent de sonder ce continuum en divers points. La méthode met alors au jour des positions médianes, dont nous montrons qu'elles peuvent donner à voir des configurations récurrentes propres au corpus, au comportement intermédiaire entre arguments et circonstants prototypiques.

The objective of this paper is to describe and evaluate the application of the Text Encoding Initiative (TEI) Guidelines to a corpus of oral French, this being the first corpus of oral French where the TEI has been used. The paper explains the purpose of the corpus, both in creating a specialist corpus of néo-contage that will broaden the range of oral corpora available, and, more importantly, in creating a dataset to explore a variety of oral French that has a particularly interesting status in terms of factors such as conception orale/écrite, réalisation médiale and comportement communicatif (Koch and Oesterreicher 2001). The linguistic phenomena to be encoded are both stylistic (speech and thought presentation) and syntactic (negation, detachment, inversion), and all represent areas where previous research has highlighted the significance of factors such as medium, register and discourse type, as well as a host of linguistic factors (syntactic, phonetic, lexical). After a discussion of how a tagset can be designed and applied within the TEI to encode speech and thought presentation, negation, detachment and inversion, the final section of the paper evaluates the benefits and possible drawbacks of the methodology offered by the TEI when applied to a syntactic and stylistic markup of an oral corpus.

The aim of this paper is to show how databases and computer tools can be used for archiving and browsing corpora of social interactions. The development of specific search engines allows for both qualitative analysis of naturally occurring interactions and for quantitative explorations of larger corpora. The paper is based on the CLAPI Workbench <http://clapi.univ-lyon2.fr>, an interfaced ensemble of analytic tools which operates on a consistent body of corpora to facilitate their description and theoretical reconstruction. The analytical part of the paper focuses on the uses of a discourse particle in French interaction: voilà.