What corpora are forÀ quoi servent les corpus ?

Observing language rather than imagining it

Suppose you are translating a text for the Belgian parliament. You may wonder whether to write “courriel” or “e-mail”. You may not have a good intuition and need a way to verify. A Google search may not give you a definite answer. But if you consult a corpus of specifically Belgian French texts, relative to your target audience, you can simply check the frequencies of both words. You can even get an idea for whether the choice depends on certain contexts, for instance “e-mail” when in a list of contact information next to “website” and “téléphone”, versus “courriel” more in running text.

Research in linguistics compares frequencies and variants, lexicography bases its dictionary entries on attested usage rather than on one person’s judgment, natural language processing natural language processing (NLP)traitement automatique de la langue (TAL) NLPTAL An interdisciplinary field that develops and studies computational methods for analyzing, processing, and generating human language.Domaine interdisciplinaire qui développe et étudie des méthodes computationnelles pour analyser, traiter et générer le langage humain. trains its tools on annotated corpora, and language teaching draws authentic examples from them.

In translation

For a translator, a corpus is a decision-making tool. Each of the recurring problems of the trade has its corpus use:

Problem	Corpus use	Concrete example
Finding the terminology of a specialized domain	Keyword search in a corpus of that domain	Checking “plainte fondée” against “plainte recevable” in decisions of the Tribunal administratif du travail
Checking a phrase or a collocation	Concordance concordanceconcordance corporacorpus A display of all occurrences of a word or expression in a corpus, each shown with its surrounding context, typically one occurrence per line with the search word aligned in the middle (the key word in context, or KWIC, format).Affichage de toutes les occurrences d'un mot ou d'une expression dans un corpus, chacune accompagnée de son contexte immédiat, généralement une occurrence par ligne avec le mot cherché aligné au centre (format KWIC, mot-clé en contexte). (the word in context) or a collocation profile	Does “porter plainte” take “contre” or “à l’encontre de” more often?
Adjusting register	Comparing general and specialized texts	On a form: “veuillez remplir ce champ” or “remplissez ce champ”?
Spotting calques and false friends	Comparing translated corpora with original ones	“Effectuer une différence” instead of “faire une différence”
Staying consistent for a client	Building a corpus of the client’s documents	Reusing the phrasing of an organization’s earlier reports in a new job

Observer la langue plutôt que l’imaginer

Supposons que vous traduisiez un texte pour le Parlement belge. Vous pouvez vous demander s’il faut écrire « courriel » ou « e-mail ». Votre intuition ne vous donne peut-être pas de réponse sûre, et il vous faut un moyen de vérifier. Une recherche Google ne tranchera pas forcément. Mais en consultant un corpus de textes proprement belges, correspondant à votre public cible, vous pouvez simplement comparer les fréquences des deux mots. Vous pouvez même vous faire une idée du rôle que joue le contexte dans ce choix : « e-mail » dans une liste de coordonnées, à côté de « website » et de « téléphone », contre « courriel » plutôt en texte suivi.

La recherche en linguistique compare des fréquences et des variantes, la lexicographie fonde ses articles de dictionnaire sur l’usage attesté plutôt que sur le jugement d’une seule personne, le traitement automatique des langues natural language processing (NLP)traitement automatique de la langue (TAL) NLPTAL An interdisciplinary field that develops and studies computational methods for analyzing, processing, and generating human language.Domaine interdisciplinaire qui développe et étudie des méthodes computationnelles pour analyser, traiter et générer le langage humain. entraîne ses outils sur des corpus annotés, et l’enseignement des langues puise dans les corpus des exemples authentiques.

En traduction

Pour une traductrice ou un traducteur, le corpus est un outil d’aide à la décision. Chaque problème courant du métier a son usage :

Problème rencontré	Utilisation du corpus	Exemple concret
Trouver la terminologie d’un domaine spécialisé	Recherche par mot-clé dans un corpus du domaine	Vérifier « plainte fondée » contre « plainte recevable » dans des décisions du Tribunal administratif du travail
Valider une tournure ou une collocation	Concordance concordanceconcordance corporacorpus A display of all occurrences of a word or expression in a corpus, each shown with its surrounding context, typically one occurrence per line with the search word aligned in the middle (the key word in context, or KWIC, format).Affichage de toutes les occurrences d'un mot ou d'une expression dans un corpus, chacune accompagnée de son contexte immédiat, généralement une occurrence par ligne avec le mot cherché aligné au centre (format KWIC, mot-clé en contexte). (le mot en contexte) ou profil de collocations	« Porter plainte » se construit-il plus souvent avec « contre » ou avec « à l’encontre de » ?
Adapter le registre	Comparer des textes généraux et spécialisés	Formulaire : « veuillez remplir ce champ » ou « remplissez ce champ » ?
Repérer les calques et les faux amis	Comparer corpus traduits et corpus originaux	« Effectuer une différence » au lieu de « faire une différence »
Assurer la cohérence pour un client	Constituer un corpus des documents du client	Réutiliser les tournures des rapports antérieurs d’un organisme dans un nouveau mandat