A la recherche de corpus en langue française

Lors de la quatrième séance, l’une des participant·e·s a souhaité avoir des informations par rapport à des corpus en langue française. Il n’y en a pas des masses mais voici quelques pistes :

  • Tout d’abord, il convient de mentionner ORTOLANG, un répositoire de corpus majoritairement en langue française.
  • Le site Corpus-based Linguistics Links, initié par David Lee et géré dorénavant par Martin Weisser, recense les ressources et les outils autour des corpus. L’une des sections est réservée aux « non-English Corpora ».
  • Sketch Engine (Kilgarriff et al., nd) donne accès aux corpus suivants (dont le premier aussi disponible via l’interface gratuite KonText) :
Noms Tokens
Araneum Francogallicum Maius [2015] 933,688,995
CHILDES French Corpus 2,583,460
DGT, French 58,224,781
EUR-Lex French 2/2016 677,063,993
EUR-Lex judgments French 12/2016 48,023,524
EUROPARL7, French 59,145,988
Frantext (French literature of the 18th-20th century) 15,573,070
French web corpus (v2 with lempos) 104,705,211
OPUS2 French 766,833,908
Timestamped JSI web corpus 2014-2016 French 1,870,341,756
Timestamped JSI web corpus 2014-2017 French 2,761,232,776
Timestamped JSI web corpus 2018-01 French 73,327,605
Timestamped JSI web corpus 2018-02 French 13,414,017

Il y a donc peu de corpus réflexifs (Rastier, 2004), c’est-à-dire, dédiés à un genre textuel ou un discours en particulier.

Sur Sketch Engine, on apprend ceci concernant les Timestamped JSI web corpora :

The French Timestamped Corpus is a French corpus made up of news articles gained from their RSS feeds. The corpus consists of news articles gained from newsfeed created by Jozef Stefan Institute, Slovenia (Trampus et al 2004). The JSI Timestamped French corpus is a clean, continuous, real-time aggregated stream of semantically enriched news articles from RSS-enabled sites across the world. The corpus is updated with new texts daily.

Référence

Kilgarriff, Adam, Rychly, Pavel & Pomikalek Jan (nd). Sketch Engine. Système de gestion de corpus.

Rastier, François (2004). “Enjeux épistémologiques de la linguistique de corpus“. Texto !, juin 2004. Rubrique Dits et inédits.


Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.