Wiktionnaire:Actualités/031-octobre-2017

Du 20 septembre au 20 octobre 2017

• Le français gagne 1 508 entrées et 1 080 citations ou exemples. Il est désormais à 357 235 lemmes, 527 416 définitions et 331 833 citations d’illustrations ou exemples.
• Les trois autres langues qui ont le plus avancé sont le same du Nord (+ 6 554 entrées), l’italien (+ 1 209 entrées) et l’espéranto (+ 280 entrées).
• Quatre nouvelles langues dans le Wiktionnaire ce mois-ci : le lhomi (+1), le merei (+1), le limilngan (+1) et le lorrain (+1).
• Cette période a vu l’ajout de 11 272 nouvelles entrées pour 76 langues modifiées !

Nouveaux lexiques

• Vente des mérites de Catégorie:Lexique en français de l’e-commerce.

Les mots du mois

Les pages de statistiques externes permettent de connaître :

• Les pages les plus consultées
• Les pages modifiées par le plus de personnes

Thésaurus

Une prise de décision a amené à diviser des thésaurus existants dont le titre était ambigu et a entraîné la création de : cirque (naturel) et cirque (spectacle) ; langue (anatomie) et langue (linguistique) ; paresseux (animal) et paresseux (personne) ; assimilation culturelle et assimilation (biologie) ; racine (végétale), racine (odontologie), racine (linguistique), racine (informatique), racine (géologie), racine (figuré et sociologique)

Par ailleurs, Assassas77 a continué la création de thésaurus en tagalog, en en créant six de plus !

Au 31 octobre 2017, le Wiktionnaire atteint donc 317 thèmes de thésaurus, dont 300 thésaurus en langue française et un total de 452 thésaurus pour 54 langues !
23 nouveaux thésaurus ce mois-ci dont 5 en français : punition, peine de mort, prison (première création de thésaurus par Classiccardinal !), armure et tissage

Autres évolutions

• Il y a 32 855 médias d’illustrations (images et vidéos) dans les articles du Wiktionnaire, soit 258 de plus que le mois dernier.

• La rubrique Wiktionnaire:Questions sur les mots (WT:QM) a enregistré en octobre 189 questions contre 197 questions en septembre, 141 en août et 124 en juillet.

En traitement automatique du langage, plusieurs opérations permettent de produire des outils autour d’une langue. Richard Khoury et Francesca Spasford se sont essayés à la création d’un outil de désuffixation du latin à partir du Wiktionnaire anglophone, qu’ils rapportent dans leur article « Latin word stemming using Wiktionary » (dans Digital Scholarship in the Humanities, volume 31, numéro 2, juin 2016, pages 368–373). Leur démarche pilote a consisté en une exploitation de la base de données et des liens entre les pages qui sont spécifiés dans des modèles de déclinaisons très précis afin de rattacher les racines aux terminaisons pour les verbes et aux suffixes pour les noms. À partir d’une copie de la base de mai 2015, ils ont procédé à trois étapes de nettoyage puis ont obtenu 655 434 formes de mots pour 32 860 racines.

Le meilleur outil avant leur expérimentation, le Schinke Stemmer, fonctionnait sur un principe différent puisqu’il s’agissait d’un ensemble de règles qui permettait de désuffixer automatiquement en créant des racines hypothétiques, qui n’étaient pas forcément des mots mais qui permettaient néanmoins de réduire l’inventaire de mots d’un texte, et facilitait la recherche dans un moteur de recherche par exemple.

En comparant les deux outils, ils observent que celui basé sur le Wiktionnaire rate les mots qu’il ne connait pas, mais qu’il réduit néanmoins le vocabulaire d’un texte bien plus efficacement. De plus, il permet d’accéder par la suite à un dictionnaire de définition directement, ce que ne permettait pas l’outil précédent. Ils envisagent même d’améliorer leur exploitation de la base de données du Wiktionnaire afin d’intégrer les catégories grammaticales des entrées pour produire un outil supplémentaire permettant l’étiquetage morpho-syntaxique d’un corpus.

Ces usages montrent que les wiktionnaires contiennent des données qui sont non seulement utilisables comme un dictionnaire, mais qui permettent également, grâce à leurs structures régulières, la réexploitation par des machines afin de créer des outils nouveaux. — une recension par Noé

Quelques précisions sur le rôle des patrouilleurs :

Les patrouilleurs sont des contributeurs qui consentent à passer une partie de leur temps à relire les contributions faites sur le wiktionnaire.
Ils disposent pour les aider d’un outil qui leur indiquent les contributions qui restent à patrouiller. Seules les contributions de personnes anonymes ou inscrites mais n'ayant pas le statut de contributeurs auto-patrouillés sont à relire.

Après relecture, ils peuvent alors marquer une contribution comme étant patrouillée.

Par patrouillée, il faut comprendre exempte de vandalisme au sens très large, ce qui conduit à :

• supprimer les informations clairement diffamatoires
• supprimer les informations contenant des renseignement personnels
• supprimer les informations sans rapport avec le titre de la page
• supprimer les informations importées mot pour mot de sites protégés par un copyright
• restaurer des informations correctes qui ont été supprimées ou endommagées.

Voilà les actions de bases du patrouilleur. Ils peuvent, dans ce cadre, s’ils ne sont pas administrateurs, être amenés à demander le masquage par ces derniers des contributions qui contiennent des diffamations, des renseignements personnels et des violations de copyright.

Ensuite, le patrouilleur peut, s’il le souhaite, aller plus loin en opérant sur la présentation différentes actions supplémentaires éventuelles telles que :

• corriger une page afin qu’elle soit conforme à la structure attendue d’une page du wiktionnaire
• corriger la typographie
• corriger l’orthographe
• corriger ou ajouter l’emploi de modèles
• corriger ou ajouter l’emploi de catégories
• vérifier les sources et références citées.

Enfin, et c’est de loin le plus intéressant, il peut s’attaquer au fond, en s’assurant de l’exactitude d’une contribution, voire en apportant des compléments d’informations ou des corrections.

Il faut bien le dire, cette partie est de très loin la plus chronophage et également la moins aisée.

Ainsi, il peut :

• ajouter des flexions manquantes
• ajouter des citations
• ajouter des prononciations, anagrammes, etc.
• vérifier l’exactitude des traductions.

Pour ce dernier point, il lui faut disposer d’une certaine compétence en linguistique, d’un très riche matériel sur une grande quantité de langues et de connaissance de la grammaire de plusieurs langues — ce qui n’est pas le cas de tout un chacun.

Les erreurs de traduction sont en effet nombreuses bien que faites de bonne foi, souvent de par le fait que les processus de métonymie, pierre d’achoppement du lexicographe, ne sont pas les mêmes pour toutes les langues. Ce qui fait qu’il est parfois funeste de recopier une traduction trouvée ailleurs (dictionnaire, wikipédia, etc.)

Par exemple, beaucoup de langues distinguent par des noms différents l’action de son résultat, le contenant du contenu, le bâtiment de l’institution, etc., là où le français ne le fait pas forcément. Ainsi, en finnois : chargement (l’action) : kuormaus / chargement (ce qui est chargé) : kuormitus ; la mairie (le bâtiment) : kaupungintalo / la mairie (l’administration) : pormestarin

Et bien sûr, on trouve le même problème dans le sens contraire finnois / français.

Il est par contre assez rare de rencontrer de véritables contre-sens. Je me souviens d’un, il y a plusieurs années sur le wiktionnaire anglais qui m’avait amusé : intrigué par le fait que je trouvais plusieurs pages sur le net donnant pour chauve-souris le mot anaullaut en inuktitut, et sachant que ce mot voulait dire bâton je trouvais, après quelques recherches, que l’origine était qu’un contributeur avait trouvé dans un dictionnaire inuktitut/anglais : anaullaut : bat et avait créé cette entrée sur le wiktionnaire anglais en précisant Catégorie:Animal ce qui fut ensuite repris et traduit en français par d’autres sites. Mais, hélas pour lui, c’était bien le mot anglais bat mais dans son sens de batte — par exemple de baseball — et non de chauve-souris dont il s’agissait…
Si vous aussi avez noté quelques contributions déjantées ou cocasses, n’hésitez pas à les rapporter ici dans une prochaine publication. — une chronique par Unsui

Détail d’une photo proposée par Albarubescens dans le cadre du Défi photo mensuel d’octobre.

Cette rubrique vous propose de faire une revue des vidéos sur la linguistique et la langue française du mois, n’hésitez pas à ajouter les vidéos que vous découvrez !

• Le Monde : le site web du journal Le Monde a publié une vidéo de 4 minutes sur l’écriture inclusive.
• Benoît Sagot: Extracting an Etymological Database from Wiktionary est une conférence donnée à l’eLex conference (à Leiden, Pays-Bas) par un lexicographe français Benoît Sagot. Il a extrait un arbre étymologique simple mais avec beaucoup d’entrées du Wiktionnaire anglophone: EtymDB.
• Doct’Auvergne : Dans l’émission « le dicovergne » on nous parle de sérendipité.
• Linguisticae : Une première vidéo qui balance des hypothèses étymologiques sur les anglicismes qui ne le sont pas et une autre avec quelques arguments sur l’écriture inclusive.

Détail d’une photographie du Pogost de Kiji proposée par MatthiasKabel.

Parmi les six grandes fonctions du langage définies par Roman Jackobson, la fonction phatique correspond à ce qui permet de s’assurer que le canal de communication fonctionne bien. Ce sont d’abord tous les mots ou expressions comme « tu vois » ou « tu me suis ? » mais aussi les mots utilisés lors de l’initiation d’une communication téléphonique comme « allô ? ». Marina Yaguello étend l’analyse à tous les discours mondains qui n’ont que pour but de maintenir la conversation, sans pour autant servir à partager quoi que ce soit. En restant au niveau des phrases et des mots, c’est un enjeu délicat pour un dictionnaire que de décrire ces usages. D’une part car il existe de grandes variations dans les termes employés, et que trouver des attestations écrites n’est pas toujours évident. D’autre part car il est difficile de bien expliquer la fonction de ces termes. Ce sont souvent des phrases entières, comportant un verbe, mais qui sont vidées de leur sens, pour avoir seulement une fonction communicationnelle. — une chronique par Noé