Outils logiciels pour l'analyse de corpus textuels
Résumé
Le domaine des logiciels d’analyse de textes peut présenter de prime abord un double obstacle : d’une part,
la difficulté technique, le temps nécessaire ou le coût pour prendre connaissance de différents logiciels et les
expérimenter, et, d’autre part, la difficulté pour appréhender la diversité des objectifs, des principes de
fonctionnement, et des rôles des outils. Or, il est essentiel pour le chercheur d’opter pour des modes de
traitement en affinité avec sa problématique, l’approche théorique choisie, et le type d’observations et de
résultats qui lui sont pertinents, voire de construire une chaîne de traitements cohérente dans laquelle chaque
étape est bien identifiée et opérationnellement outillée.
D’un point de vue concret et pragmatique, il s’agit donc d’abord de se donner une vue d’ensemble des
ressources, une sorte de carte à grande échelle, pour savoir dans les grandes lignes ce qui existe, avec des
repères et des points d’entrée pour pouvoir explorer plus avant un territoire particulier. La vue d’ensemble
doit aussi éclairer les dépendances et complémentarités des différentes ressources, qui n’ont quelquefois pas
à être opposées (laquelle choisir) mais articulées (plusieurs étapes pour mener à bien l’analyse).
Complémentairement, cet article vise également à avancer des repères méthodologiques généraux, moins
dépendants de l’état de l’art, et essentiels pour des choix éclairés au moment de la mise en œuvre. De fait, il
arrive qu’un doctorant soit amené à défricher ce terrain de l’apport de nouveaux outils logiciels à sa
discipline, alors que son directeur ne connaît que peu ou pas ces possibilités technologiques et numériques.
Nous n’aurons pas ici un état de l’art expert, dont on assurerait l’exhaustivité comme la présentation des
dernières nouveautés : on rend compte plutôt d’un point de vue de chercheur, partageant sa vision et sa
compréhension du domaine, avec les principaux repères qui lui sont pertinents pour s’orienter dans
l’ensemble. La part belle est faite aux logiciels conçus et diffusés en francophonie, tout en gardant un regard
élargi aux principaux produits au plan international. Un focus sera fait sur la textométrie, domaine que nous
connaissons le mieux, en expliquant les principes de l’approche qui font sa pertinence pour la plupart des
contextes de recherche en sciences humaines et sociales.
Mots clés
analyse de données textuelles
exploration de corpus
analyse quantitative
analyse qualitative
interprétation
textométrie
text mining
fouille de texte
corpus
sciences humaines et sociales
humanités numériques
jeune chercheur
doctorat
bases de textes en ligne
bases de donnéres de presse
extraction d'informations
traitement automatique des langues
anayseurs morphosyntaxiques
étiqueteurs
entités nommées
analyse de contenu
annotation
traitement d'enquêtes
OCR
numérisation
transcription
XML
TEI
open-source
données ouvertes
gratuité
standards
droits.