Cyber-langagerie

DeepDyve - un autre moteur de recherche fédérée

2008-12-16T08:29:00.000-08:00

J'ai souvent lu dernièrement des textes portant sur l'incapacité de Google à donner une information objective. Certains ont même affirmé que YouTube a tendance a être plus consulté que Google. Il semble aussi parallèlement que les moteurs fouillant le Web caché se développent de plus en plus. Voilà sans doute une solution pour l'accès à une information objective qui est un atout à l'exercice des professions langagières.

Le moteurs du Web caché sont de plus en plus sophistiqués. J'en ai décrit certains dans des billets précédents (voir les liens à la fin) et je m'y intéresse parce que soupçonne que ces moteurs seront les seuls moteurs valables sous peu. Le problème est qu'ils sont pour la plupart actuellement en version bêta et qu'on veut sur ces sites vendre un technologie. À consulter ces moteurs on constate souvent que pour avoir accès à l'information recherchée il faut payer. La recherche d'information sera-t-elle bientôt payante ? Il ne faut oublier que le Web caché constitue la partie cachée de l'iceberg et donc plus volumineux que le Web des moteurs génériques.

Voici les caractéristiques du Web caché d'après Wikipédia :

« Dynamic content – dynamic pages which are returned in response to a submitted query or accessed only through a form, especially if open-domain input elements (such as text fields) are used; such fields are hard to navigate without domain knowledge.

Unlinked content – pages which are not linked to by other pages, which may prevent Web crawling programs from accessing the content. This content is referred to as pages without backlinks (or inlinks).

Private Web – sites that require registration and login (password-protected resources).

Contextual Web – pages with content varying for different access contexts (e.g., ranges of client IP addresses or previous navigation sequence).

Limited access content – sites that limit access to their pages in a technical way (e.g., using the Robots Exclusion Standard, CAPTCHAs or pragma:no-cache/cache-control:no-cacheHTTP headers[citation needed]), prohibiting search engines from browsing them and creating cached copies.

Scripted content – pages that are only accessible through links produced by JavaScript as well as content dynamically downloaded from Web servers via Flash or AJAX solutions.

Non-HTML/text content – textual content encoded in multimedia (image or video) files or specific file formats not handled by search engines. »

L'info disséminée sur le Web cachée est privilégiée et elle a fait l'objet d'une classification humaine basée sur des principes reconnus de collection des données.
Voici ce que dit encore Wikipédia :

« To discover content on the Web, search engines use web crawlers that follow hyperlinks. This technique is ideal for discovering resources on the surface Web but is often ineffective at finding deep Web resources. For example, these crawlers do not attempt to find dynamic pages that are the result of database queries due to the infinite number of queries that are possible. It has been noted that this can be (partially) overcome by providing links to query results, but this could unintentionally inflate the popularity (e.g., PageRank) for a member of the deep Web.

One way to access the deep Web is via federated search based search engines. Search tools such as Science.gov are being designed to retrieve information from the deep Web. These tools identify and interact with searchable databases, aiming to provide access to deep Web content.

Another way to explore the deep Web is by using human crawlers instead of algorithmic crawlers. In this paradigm referred to as Web harvesting, humans find interesting links of the deep Web that algorithmic crawlers can't find. »

Parmi le moteurs je vous présente après cette longue introduction le moteur DeepDyve qui innove encore avec des options d'interface qui ajoutent à ce que j'ai déjà présenté dans d'autres billets.

http://mysearch.deepdyve.com/start.php

Yvan Cloutier, terminologue

La respiration et la traduction

2008-12-12T09:48:00.000-08:00

Traduire c'est aussi stressant on le sait tous. La traduction est une profession de précision, de recherche, de concentration et de gestion serrée des échéanciers. Elle implique aussi des relations humaines et donc de la diplomatie. Le traducteur est souvent confronté à des choix professionnels importants tant du point de vue de sa pratique que du point de vue financier. Toutes ces obligations sont un très grande source d'accumulation de frustrations et peuvent générer des pressions énormes sur un être humain.

La respiration contrôlée que j'ai souvent pratiquée a été très efficace pour moi dans plusieurs étapes de ma vie et j'y crois. Elle aide significativement à diminuer les stress et a d'autres effet (comme une influence sur le poids) que je ne soupçonnais pas comme vous le verrez en consultant les références de ce billet.

« Le docteur O’Hare estime que d’agir sur sa respiration permet d’influencer positivement le rythme cardiaque. Des exercices quotidiens de quatre ou cinq minutes suffisent pour chasser le stress. »

Pour convivialiser l'exercice d'un respiration contrôlée le docteur O'Hare met en ligne sur son site un ingénieux guide visuel de respiration qu'il appelle Le guide respiratoire. Voir cette page :

http://www.coherencecardiaque.ca/cohcar/guide/guide.html

Voir aussi l'entrevue accordée à Christaine Charette à Radio-Canada ici :

http://bit.ly/eMcu

Yvan Cloutier

SUN Glossary Tool

2008-12-09T13:11:00.000-08:00

Définitivement toutes les grosses boîtes informatiques (Microsoft et Google aussi) reconnaissent le besoin des banques de terminologie et de la traduction. Je viens de tomber sur les site de Sun Microsystems et j'y ai trouvé une base terminologique et des ressources pour les traducteurs.

Le Sun Glossary Tool est ici

https://g11nportal.sun.com/sungloss/sungloss_search?action=initsimple

NOTE : ce Glossaire multilingue a été ajouté dans le CERTE à cette adresse

http://pages.globetrotter.net/mverge/eureka/demoFrameset.html

et les ressources ici

http://developers.sun.com/global/technology/translation/translation-tools.html

Yvan

De l'importance des langues et des langagiers

2008-12-08T11:59:00.000-08:00

Je ne peux m'empêcher de citer en partie ce texte de Térésa Cabré qui exprime d'une manière admirable le rôle prépondérant des langues sur le Web . Il n'est pas donné à tous de s'exprimer d'une manière concise et claire.

« Dans la société contemporaine, les langues ont acquis un rôle stratégique très important. Le multilinguisme s'impose aujourd'hui comme une réalité qui ne doit pas être évitée, mais au contraire encouragée. Il se traduit par une attitude de respect envers l'autre, envers ce qui est différent. Il est également perçu comme un fait écologique de préservation de la diversité réelle, d'une diversité qu'il est fondamental de conserver comme un bien naturel et patrimonial de l'humanité. Cependant, la diversité linguistique peut aussi représenter un obstacle dans des circonstances dans lesquelles on se veut efficace et univoque. Dans de telles situations, la préservation de la diversité, si elle n'est pas correctement définie, n'est pas viable. Nous évoluons donc entre deux tendances: l'une conduisant vers l'unité linguistique, l'autre vers la diversité. »

La suite ...

Yvan Cloutier

Repérage terminologique automatisé ?

2008-12-08T09:22:00.000-08:00

Je reçois le courriel qui suit.

Il traite de la possibilité de repérer des unités terminologiques sur le Web à l'aide d'un logiciel. Si je comprends bien il s'agit là de ce que l'on pourrait appeler du « dépouillement terminologique automatisé ».

Devant l'abondance et le fouillis, cela me semble une solution des plus efficaces. Créer une communauté d'agents intelligents qui exercent une veille terminologique dans des domaines précis. Ceux-ci pourraient même être entraînés à rechercher dans les textes des contextes définitoires pertinents, c'est-à-dire être capables de reconnaître les contextes et de les comparer. La technologie évolue à la vitesse de l'éclair et la langue qui la décrit également de sorte que ces agents pourraient être forts appréciés dans un avenir rapproché.

Bien entendu le tout sous supervision humaine.

Début du courriel ===========================

Prochain séminaire interne de linguistique :

Par : Stéphanie WEISER

Titre :
Repérage automatique d'informations temporelles touristiques dans des
pages Web

Résumé :
Les expressions temporelles liées au domaine du tourisme ont des
caractéristiques précises : elles ont une visée informative et sont
assez spécifiques. Elles le sont d'autant plus lorsqu'elles figurent
dans des pages Web. Notre travail consiste à extraire ces informations
des pages Web et à les annoter afin d'alimenter la base de
connaissance d'un portail touristique sur Internet. Après avoir
caractérisé les informations que nous voulons détecter, nous verrons
les difficultés qui peuvent se poser, au moment de l'extraction ou de
l'annotation.

Sur un plan technique nous présenterons notre méthode d'extraction, et
les transducteurs (termes apperentés) qui ont été réalisés à l'aide d'Unitex pour les
besoins du projet.

Sur un plan théorique, nous ferons une étude comparative des
expressions temporelles touristiques sur Internet et dans les guides
touristiques papier. Nous étudierons également la façon dont le temps
est représenté sur le Web : informations sans cesse actualisées, dates
relatives, etc.

Lieu :
Université Paris-Est, bâtiment Copernic 4ème étage, salle de
séminaire

URL : http://infolingu.univ-mlv.fr

-------------------------------------------------------------------------
Message diffuse par la liste Langage Naturel <LN@cines.fr>
-------------------------------------------------------------------------

L'agrégation des contenus ou une recherche structurée

2008-12-06T05:46:00.000-08:00

Dans mon billet précédent je traitais du moteur à agrégation de contenus Xclustering. Mednar est un autre moteur qui pré-élague en thèmes et sous-thèmes les résultats d'une recherche. Même si ce moteur n'est pas généraliste (il est médical) certaines de ses particularités méritent d'être soulignées.

conceptual clustering <->agrégation conceptuelle

Organisation d'objets, d'événements ou de faits en classes caractérisées, au moyen de concepts descriptifs simples.

CITATIONS

Using ... federated search technology from Deep Web Technologies, Mednar accelerates your research by returning the most relevant results from across the World Wide Web, including blogs, wikis, mainstream searches and deep web sources to one, easily navigable page.

Federated Search <-> Recherche fédérée
Recherche effectuée en une seule requête dans plusieurs sources de données hétérogènes de différents formats. (GDT)

Invisible Web <-> Web caché
Partie du Web correspondant à l'ensemble des documents Web qui ne sont pas indexés par les outils de recherche traditionnels. (GDT)

COMMENTAIRE
Un métamoteur qui interroge plusieurs bases de données dans le Web caché (par définition mieux structuré) : voilà une solution face à l'abondance de la toile et à la tendance de plus en plus mercantile des moteurs commerciaux.
Each search is done in real-time, searching the sources you select as if you were entering the search term on each individual website yourself. Duplicates are removed, the results weighed for relevance and then ranked according to how closely it matches your search word or phrase.

ranking <-> classement
Attribution d'un rang aux pages Web d'un site par un outil de recherche, de façon à ce que, à la suite d'une requête spécifique par mot-clé, les sites les plus appropriés apparaissent les premiers dans la page des résultats. (GDT)

COMMENTAIRE
Il suffit de savoir sur quels critères on se base pour identifier les doubles, pour établir le degré de pertinence et pour fixer le degré de proximité entre la requête et le bilan de recherche. Il y a toujours un jugement machine qui s'insère dans le couple requêtes-résultats d'un moteur de recherche. Dans le cas de ce moteur on peut cependant noter qu'entre la requête et son résultat il y a un souci de se baser sur des règles de référencement reconnues.
Each Mednar source is chosen for its outstanding contributions to the medical search world.

Dans la recherche avancée, il est possible de choisir le sources consultées. L'une de celles-ci est la World Health Organization. On trouve une liste de sources cochable ici que l'on peut sauvegarder. Il est possible d'être alerté sur des sujets précis. Le formulaire de recherche est muni d'un filtre temporel comprend les champs suivants : plein texte, titre et auteur.

Scénario de recherche

Je recherche « blood test ». Par défaut le moteur recherche plein texte. Si on veut fait une recherche plus thématisée on peut choisir la recherche avancée et opter pour « Title ». Ceci fait la différence entre une recherche dans laquelle on veut avoir des mentions contextuelles du terme ou des textes de fond portant sur le terme « blood test ». Remarquer qu'en cochant dans les préférences de sources WHO on ne recherche que dans le site de cette organisation dans lequel il y a éventuellement des bitextes.

Il est possible de ciseler le filtrage du terme puisque l'arborescence à gauche de l'écran se décline jusqu'à trois sous-thèmes, et cela, avant même d'avoir consulté le contenu du bilan de recherche. Une fois le bilan affiché, il est possible de trier par auteurs, par titre et par date, de relancer la requête avec filtrage par sources, de poster le bilan détaillé formaté par courriel et de créer des alertes. Pour aider à choisir les sources à consulter celles-ci sont mentionnées à droite de l'écran et des cases à cocher permettent de les sélectionner.

Noter que certaines options ne sont accessibles que par identification comme c'est le cas par exemple pour « Get Updates on This Search ». Rien n'est vraiment gratuit.

Ressources

Other free Federated Search Research Sites :

Scitopia.org- Scitopia.org is a free federated vertical search portal to the digital libraries of leading worldwide science and technology societies.

The Science.gov Alliance- Science.gov is a gateway to over 50 million pages of authoratative selected science information provided by U.S. government agencies, including research and development results.

WorldWideScience.org- WorldWideScience.org is a global science gateway-accelerating scientific discovery and progress through a multilateral partnership to enable federated searching of national and international scientific databases.

http://mednar.com/mednar/search.html

Dans le fouillis rechercher par agrégation de notions (clustering)

2008-12-04T14:07:00.000-08:00

Nous avons tous comme but lors d'une recherche sur le Web de repérer rapidement l'information. Les moteurs courants sont souvent décevants parce que, pour la plupart, ils ne font pas d'élagage des données et sont souvent axés sur des critères commerciaux.

Google par exemple devient de moins en moins séduisant pour les langagiers se permettant par exemple de laisser tomber les accents, d'extrapoler des formes dérivées, etc. Nous sommes biens habitués à Google qui devient de plus en plus marchand mais peut être un jour faudra-t-il songer à un autre moteur. Voici un texte qui fait réfléchir :

« It's called SEO—search engine optimization—and it's pretty much all anyone working with Web sites ever talks about nowadays ... But in fact, it centers around the idea that Google sucks so much that companies think they need to use SEO to get the results they deserve.

... From a user's perspective, once you learn how Google does what it does, it's a miracle that you ever get the right results. And from my experience, the right results in many circumstances are nearly impossible to obtain—and may never be obtainable in the future.

Let's look at some of the problems that have developed over the years.

Inability to identify a home site. All the search engines have this habit, but often it is laughable. You'd think that if I were looking for Art Jenkins, and Art Jenkins had a Web site named Artjenkins.com, search engines would list that first, right? Most often this page is never listed anywhere.

Too much commerce, not enough information. There seems to be an underlying belief, especially at Google, that the only reason you go online is to buy something. People merely looking for information are a nuisance. This is made apparent anytime you look for information about a popular product. All you find are sites trying to sell you the product. Hey, here's a challenge: Ask Google to find you a site that honestly compares cell-phone plans and tells you which is best. Try it! All you get are thousands of sites with fake comparisons promoting something they are selling.

...

Parked sites. Have you ever gone to look for something and found what seems like the perfect site near the top of the Google results? You click on it only to find one of those fake "parked" sites, where people park domain names, pack them with links to other sites, and hope for random clicks that pay them 10 cents each. How does page ranking, if it works, ever manage to give these bogus sites a high number?

Unrepeatable search results. Ever run a search a week later and get completely different results? In the end, you have to use the search history and hope you can find it. Can things change so drastically day-to-day that the search results vary to an extreme month-to-month? This is compounded by the weird results you get when you are logged in to Google. These are somehow customized for you? In what way?

Google sign-in changes a query's results to an extreme with no discernible benefit. Often two people are on a call trying to discuss something and both will try finding something online. The conversation often goes like this: "Here it is, I found it. Type in the search term 'ABCD Fix' and it's the fourth result listed." "I don't see it. The fourth one down is a pill company." "You typed in ABCD Fix, right?" "Yeah." This goes on for a while until you realize that one of the two people is logged into Google.

The solution to this entire mess, which is slowly worsening, is to "wikify" search results somehow without overdoing it. Yahoo! had a good idea when its search engine was actually a directory with segments "owned" by communities of experts. These people could isolate the best of breed, something Google has never managed to do. The basis for Google page-ranking is to equate popularity with quality, and once you look at the information developed by SEO experts, you learn that this strategy barely works.

We have to suffer until something better comes along, but there is at least one crucial fix that could be easily implemented: user flagging. Parked sites, for instance, could be flagged the way you flag spam on a message board or a miscategorized post on craigslist. The risk here is that creeps trying to shut down a specific site could swamp Google with false flags, so maintaining integrity would be difficult. People with their own agendas have already infiltrated and controlled aspects of craigslist and Wikipedia, unfortunately. On Wikipedia, for example, a group pushing the global-warming agenda prevents almost any post with contrary data or opinions, no matter how minor the point.

One suggestion floating around involves the semantic Web, which anticipates even more SEO tricks—and requires a certain level of honesty that can never be maintained. I suggest rethinking the basic organization of the Web itself, using the Google News concept. In other words, compartmentalize the Web to an extreme. Tagging might help. But you should be able just to search through a subsegment and check a box that eliminates merchants with faux-informational sites.

And speaking of check boxes, over the years there have been numerous attempts at creating an advanced search mechanism utilizing check boxes and a question-and-response AI network. You'd think that idea would have gotten further than it has. Hopefully, someone will conceptualize something new that works better than what we have today. The situation is just deteriorating too fast. »

SOURCE : http://www.pcmag.com/article2/0,2817,2334870,00.asp

AUTEUR : John C. Dvorak

Personnellement je pense qu'il importe d'avoir l'oeil ouvert. Si on tient compte de arguments troublants mentionnés plus haut et devant l'abondance de la Toile un début de solution pourrait être une pré-classification des résultats de recherche pour sauver du temps.

C'est le principe même des banques de terminologie dans lesquelles le filtrage par domaines est apparu depuis le début comme un moyen efficace de rechercher plus rapidement le bon équivalent (terme traduit) face à la polysémie de certains mots. Ce principe du filtrage est appliqué aux moteurs de recherche par agrégation qui catégorisent les données à l'aide de descripteurs. Un de ces moteurs est Xclustering.

L'avantage de ce moteur est qu'il affiche à gauche de l'écran une hiérarchie de descripteurs et de sous-descripteurs qui permet un débroussaillage souvent très efficace des données brutes qui deviennent des informations utilisables. Dans le cas d'expressions contenant des termes polysémiques comme « heat sensor » par exemple il est préférable d'interroger « sensor » pour obtenir les usages du terme dans plusieurs domaines.

Xclustering peut, une fois les résultats affichés, faire un recherche dans Wikipédia.

À essayer ce moteur parce que rien ne peut être pris pour acquis :

http://www.xclustering.com/xsearch-clustering-en/main

Liens sur le même sujet

Why Google must die

http://stephenslighthouse.sirsidynix.com/archives/2008/11/why_google_must.html

Google doit-il disparaître ?

http://www.web-mining.fr/blog/[user]/google_doit-il_disparaître_%3F

Yvan Cloutier, terminologue

SearchWiki pour Google

2008-12-04T12:45:00.000-08:00

Google permet désormais de personnaliser les résultats d'une recherche. Voici ce qui est nouveau.

SearchWiki lets you customize your Google Web Search results by ranking, removing, and adding notes to them. You'll see your changes whenever you do the same searches while signed in to your Google Account, or until you decide to undo them. You can also see how other users have tailored any given search results page with their own notes and changes.
Like a certain search result?
Click to move it to the top of the page. This result will appear at the top whenever you do the same search in the future. We'll add this marker next to it so you'll recognize it later.
Don't like a result?
Click to remove it, and it'll remain hidden whenever you do the same search in the future.
Know of a better webpage?
Click Add a result at the bottom of any search results page to add a page that you consider relevant to that search. Type the URL in the box, then click Add. When you do this search in the future, you'll see the page you suggested at the top with this marker .
Want to comment on a result?
Click to open a text box and type your comment. You'll see it the next time this result appears for any of your searches. Comments are a great way to save and recall any thoughts you had or notes you took about a particular page.

SOURCE : http://www.google.com/support/bin/answer.py?answer=115764

Les icônes de personnalisation de la recherche sont utilisables immédiatement. Vous les reconnaîtrez dans le bilan de recherche à la fin de chaque entrée. Il ne s'agit ni d'un module d'extension (plugin) ni d'un logiciel à installer. Ces nouvelles fonctions associées au bilan des résultats Google me semblent utiles devant l'abondance de liens non-pertinents que l'on peut récolter lors d'une recherche.

Il devient donc possible d'élaguer les résultats, de prendre des notes et de ciseler un recherche selon ses besoins. Il est aussi possible de sauvegarder une recherche, de la rappeler plus tard et de la compléter avec un autre recherche parallèle faite dans un autre onglet du navigateur. On peut ainsi monter un dossier étoffé sur un sujet donné.

Un traducteur automatique bien pensé

2008-12-04T06:57:00.000-08:00

On ne peut manquer de s'intéresser aux traducteurs automatiques comme langagiers même si les résultats sont décevants. Beaucoup d'efforts (par Google et Microsoft par exemple) sont déployés sur le Web actuellement pour perfectionner les technologies de traduction automatisée.

Voir cette page

http://www.windowslivetranslator.com/BV.aspx

Ce traducteur de Microsoft innove :

Affichage parallèle horizontal ou vertical des textes.
Affichage indépendant du texte de départ et d'arrivée.
En mode affichage unilingue, le dépôt du curseur sur une phrase de texte affiche en popup la phrase de l'autre langue et vice versa.

Un clic sur un lien dans le texte de la langue départ déclenche sa traduction automatique dans le fenêtre de la langue d'arrivée.

La mémoire de traduction de Microsoft ?

2008-12-03T14:34:00.000-08:00

Est-ce que le titre de ce billet est fondé ? Je tombe sur cette page que vous connaissez peut être et qui me semble utile pour la terminologie informatique.

Je pense qu'il faut supposer que la langue de départ est par défaut l'anglais puisqu'elle n'apparaît pas dans le menu déroulant des langues. Dans le menu « Language » la langue choisie est donc la langue d'arrivée.

On y trouve un dictionnaire de traduction de termes informatiques et des définitions souvent étoffées.

Dans le menu « Product », un nombre impressionnant de produits Microsoft est sélectionnable pour filtrer les requêtes.

http://www.microsoft.com/language/en/us/search.mspx

Eurêka les faits

2008-12-02T13:47:00.000-08:00

La liste Eurêka existe depuis janvier 1999. Au delà de 14 000 messages y ont été publiés. La liste n'a cessée de croître depuis toutes ces années : augmentation des abonnements et très peu de démissions. Eurêka est aussi un projet bénévole qui comprend la liste Eurêka, le blogue Cyber-langagerie et divers outils destinés à faciliter la recherche sur le Web. Voici la démarche Eurêka.

Veiller assidûment : la liste Eurêka est constamment à l'affût des ressources potentielles qui fusent continuellement sur la Toile, la liste est composée de 750 membres et publie mensuellement en moyenne 200 messages. Analyser et approfondir : le blogue Cyber-langagerie produit des études plus détaillées et concluantes sur certains produits langagiers. Repenser et adapter : les outils Eurêka (Iframe, CERTE, Interrogation Multisite, Wapiti) sont des créations concrètes destinées à faciliter le travail des langagiers.

Repérer dans l'anarchie

Le Web est incommensurable, on peut y déambuler tout en découvertes sans jamais passer par le même chemin. On accède à l'information par des routes imprévisibles : un site conduit à un autre, un lien dans un texte suscite notre intérêt soudainement, à la poursuite d'objectifs de veille le hasard des navigations propose souvent d'autres avenues. Le Web est très volatile et en même temps impalpable par son immensité. Il donne accès à toutes les connaissances humaines et, de ce fait, paraît des plus attrayant pour ceux qui, comme moi, s'imaginent pouvoir le conquérir.

Le veille permanente

En tant que fondateur-modérateur d'Eurêka, j'effectue quotidiennement de cinq à sept heures de veille langagière sur le Web sous forme de navigation à main-levée ou par le dépouillement de centaines de flux RSS. Je suis abonné à des dizaines de bulletin de nouvelles et j'utilise des outils de plus en plus sophistiqués (voir mon billet sur les agents intelligents). Sans ces moyens de plus en plus efficaces une veille décente serait pratiquement impossible. La quantité d'information à rechercher, à analyser et à consigner est phénoménale. Même en filtrant les données de veille, l'information valable diffusée risque d'exaspérer, de submerger ou sinon de décourager les abonnés de la liste.

L'âge d'or de la langue et des langagiers

La langue écrite prend sur la Toile mondiale une importance capitale entraînant ainsi dans son sillon les langagiers qui deviennent des facilitateurs indispensables à la communication inter-linguistique et inter-culturelle. La traduction a explosé sur le Web, les traducteurs humains sont devenus indispensables. Il n'arrivent pas à combler tous le besoins et sont remplacés souvent par des traducteurs-machines.

Yvan Cloutier, terminologue

Un publicité efficace et futée

2008-11-20T14:34:00.000-08:00

Un peu de diversion

En naviguant je tombe sur une mini-fenêtre dans laquelle je vois des mouches qui s'activent.

Au coin inférieur droit il est écrit : Kill the bugs by clicking on them

Déjà captivé j'avance mon curseur dans la fenêtre et il se transforme en tue-mouches. Voici les fenêtres qui s'affichent ensuite.

et la fenêtre suivante

On trouve souvent des publicités idiotes sur le sites Web mais celle-ci est vraiment géniale, bravo!

Voir ici

http://www.translatum.gr/dics/translation-tools.htm

Portails multilingues avec flux RSS (CE)

2008-11-20T14:00:00.000-08:00

The Joint Research Centre (JRC) is a Directorate-General of the European Commission. The JRC has for many years worked on highly multilingual text analysis applications and has also contributed to the dissemination of the DGT (Directorate-General for Translation) Translation Memory. In addition to developing various reliable high-usage in-house tools, the JRC made three news aggregation and analysis applications of the Europe Media Monitor (EMM) family publicly accessible. EMM aggregates news from about 1,200 news portals world-wide in 42 languages. The news portals are visited around the clock and EMM updates its pages every ten minutes. The non-public, Commission-internal EMM applications additionally ingest news from about 20 different newswires. EMM's sites receive up to 1.2 million hits per day. Much information is available via RSS feeds.

NewsBrief: Breaking News detection and display of the very latest thematically organised news from around the world; Grouping of related news; RSS feeds and automatic email alerting; 42 languages.
http://emm.jrc.it/NewsBrief/clusteredition/en/latest.html

MedISys: EMM's Medical Information System selects the health-related EMM news and additionally gathers documents from about 150 medical web sites. MedISys displays the medical news according to diseases, symptoms, organisations and themes and has statistics-based early warning functions for each category. A second, restricted site offers more functionality to EU public health organisations. 42 languages.
http://medusa.jrc.it/medisys/homeedition/all/home.html

NewsExplorer: Summary of the news in 19 languages for each 24-hour window; grouping of related news into clusters; linking of daily clusters over time and across languages (multilingual and cross-lingual topic tracking); visualisation of time lines and of geographical news coverage; information extraction to detect and disambiguate persons, organisations and locations; individual, daily-updated pages for 700,000 names; detection of quotations by and about people; automatic calculation of social networks.
http://press.jrc.it/NewsExplorer/home/en/latest.html

Un assistant futé

2008-11-19T10:53:00.000-08:00

Citations

Zotero is an easy-to-use yet powerful research tool that helps you gather, organize, and analyze sources (citations, full texts, web pages, images, and other objects), and lets you share the results of your research in a variety of ways. An extension to the popular open-source web browser Firefox, Zotero includes the best parts of older reference manager software (like EndNote)—the ability to store author, title, and publication fields and to export that information as formatted references—and the best parts of modern software and web applications (like iTunes and del.icio.us), such as the ability to interact, tag, and search in advanced ways.

Zotero integrates tightly with online resources; it can sense when users are viewing a book, article, or other object on the web, and—on many major research and library sites—find and automatically save the full reference information for the item in the correct fields. Since it lives in the web browser, it can effortlessly transmit information to, and receive information from, other web services and applications; since it runs on one’s personal computer, it can also communicate with software running there (such as Microsoft Word). And it can be used offline as well (e.g., on a plane, in an archive without WiFi).

Automatic capture of citation information from web pages
Flexible notetaking with autosave
Automatic capture of citation information from web pages
Runs right in your web browser
Saves records and notes in any language; interface available in over 30 languages
Storage of PDFs, files, images, links, and whole web pages
Integration with Microsoft Word and OpenOffice

Commentaire

Le logiciel le plus utilisé est certainement le navigateur. Zotero s'intègre parfaitement dans Firefox au haut ou au bas de l'écran. C'est un de ses plus grands avantages. Il agit comme un secrétaire toujours présent prêt à consigner tout ce qui passe dans votre navigateur.
En quelques clics, il classifie, indexe, ajoute des notes personnelles. Et pourquoi pas lui faire indexer un glossaire (ou sinon tous vos glossaires unilingues et multilingues dans Word ou autre format) au passage, et un autre et une autre ... il deviendra votre ressource terminologique principale puisqu'il a des capacités de recherche assez évoluées.
Il est redimensionnable en mode mi-écran ,on peut aussi l'afficher plein écran et le cacher et le rappeler d'un seul clic.
Il se présente en trois colonnes : « The left column contains your full library (“My Library”) and your individual collections, which are subsets of “My Library”; the middle column shows the items in the collection that is highlighted in the left column; the right column shows information about the item that is selected in the middle column. »
Lorsqu'activé Zotero ne change en rien l'affichage et la gestion des onglets.
Gestion des documents indexés.
J'ai lu qu'il pouvait indexer les bases de données (à vérifier).
Zotero utilise les tags et le classement des documents dans plusieurs catégories. La gestion des tags intervient dans le filtrage des recherches en combinaison avec les mots clés.
Zotero reconnaît les références et les ajoute automatiquement à la collection (My Library) : il affiche alors un icône cliquable à droite de l'URL. Il est possible à main levée d'ajouter des commentaire, des mots clefs et d'indexer le document. Zotero consigne tout sur un document : les auteurs, le résumé, le nom du journal, le volume, le numéro, la date, l'ISSN, le DOI, la date et l'heure à laquelle on a accédé au document.
Zotero permet la sélection (surlignement) d'une portion de texte et sur le clic droit de la souris affiche un menu contextuel pour ajouter une note et indexer.

Un souvenir du passé

Certains se souviendront d'Alta Vista Discovery qui avait intéressé plus d'un langagier à l'époque et qui est disparu de la toile suite au déclin d'AV. Discovery permettait la création d'une base de données personnelle et une interrogation avec tous les opérateurs du moteur sur son propre PC. Il me semble que Zotero effectue le même travail avec plus de possibilités.

http://www.zotero.org/

Yvan Cloutier, terminologue

Mise à jour du CERTE

2008-11-18T13:59:00.000-08:00

Le Centre de recherche terminologique Eurêka a été mis à jour.

Voir le nouveau dossier Web As a Corpus.

http://pages.globetrotter.net/mverge/eureka/demoFrameset.html

Just The Word

2008-11-15T14:18:00.000-08:00

Citations

JustTheWord is a completely new kind of aid to help you with writing English.
If English is your first language, JustTheWord can help you express that elusive idea with le mot juste.
When we write, we search our knowledge of words in two ways. We choose between words that mean similar things. A thesaurus gives us access to this sort of knowledge. But our choice constrains and is constrained by the other words in the sentence. We know, or need to know, which word combinations sound natural. A dictionary gives us access to some of this sort of knowledge.
Type a word into the box and hit return or Show Combinations. JustTheWord will give you a detailed description of the company which that word keeps in modern-day English. To help you find your way to the information you need, in the right-hand frame you'll find the part(s)-of-speech and the types of relation that the word is found in. If you're looking for the right adjective to modify a noun you've chosen, click on the 'ADJ mod N*' link. If you want a verb with the noun as its object, follow the 'V obj N*' link. The star * marks your input, so you can tell the difference between for instance 'N* and N' and 'N and N*'. Within many types of relation you'll find the uses of the word clustered into groups with a similar meaning. The words that are not assigned to a cluster are grouped together at the end of the relation.
Lire la suite ...

Mon commentaire

Excellent me semble-t-il pour varier la manière de s'exprimer et les tournures de phrases en anglais. Sûrement un outil utile pour un langagier qui doit réinventer sans cesse l'expression.

Bilan Show Combinations

Bilan Show Alternatives

Adresse du site http://193.133.140.102/JustTheWord/

Yvan Cloutier, terminologue

Your mail Sir !

2008-11-13T20:30:00.000-08:00

J'avais un logiciel de courriel qui me signifiait l'arrivée d'une nouvelle missive par un personnage qui marchait sur mon écran (j'entendais ses pas). Il ressemblait à un majordome anglais et lançait : « Your mail Sir ! » en me présentant une lettre sur un plateau d'or. Il demeurait planté au premier plan jusqu'à ce que je m'occupe de ce courriel. Je l'ai répudié parce qu'il était trop fidèle à sa tâche. DOMMAGE ... avec un peu d'entraînement il aurait pu un jour me servir mon café!

Un poste de travail pour le traducteur

2008-11-13T11:49:00.000-08:00

Outils nécessaires

Wapiti Split Browsers
téléchargement
http://wapiti.net.googlepages.com/download_wapiti_split_browsers
Centre de recherche terminologique Eurêkahttp://pages.globetrotter.net/mverge/eureka/demoFrameset.html
Iframe Eureka
Compact http://pages.globetrotter.net/mverge/eureka/4windows_page.htm
« Scrollable » http://pages.globetrotter.net/mverge/eureka/4windows_scrollable.htm
Google terminologique
http://pages.globetrotter.net/mverge/google/google.htm

Introduction

Avec des outils simples et surtout gratuits le travail de traduction peut être simplifié au maximum du point de vue de l'ergonomie du poste de travail. Dans mon esprit, un nombre réduit de clics et un accès visuel à tous les outils utiles sur le bureau virtuel concourent à faciliter le travail du langagier. Ai-je raison ? Je pense qu'il importe avec toutes les applications que nous utilisons d'avoir un écran de travail fixe et de ne pas avoir à chercher dans la barre des tâches ou les signets ce que l'on veut utiliser. - Je perçois le poste de travail comme une table de travail physique sur laquelle on dépose tous les outils spécifiques à un projet donné : dictionnaires généraux, de traduction, banques de terminologie (bien que numériques !!), etc.

Le navigateur Wapiti

Wapiti a été pensé par un langagier pour des langagiers. Il a été développé par Sébastien Doucet qui y a suggéré d'excellentes améliorations. Nous avons travaillé en étroite collaboration.

Wapiti est un navigateur très particulier (encore en développement) qui affiche par défaut trois fenêtres intégrées. Elles peuvent être réduites à deux ou une selon les besoins. Chaque fenêtre peut contenir par défaut une page Web (ou vierge) ainsi que ses propres onglets. Wapiti est muni de la fonction innovatrice Ajout de bitextes. Comme pour les favoris, on peut ajouter puis afficher dans des onglets plusieurs bitextes et les gérer.

Wapiti Split Browsers

Un bitexte est un seul texte dans deux langues différentes dont l'une est traduite. Dans Wapiti les bitextes s'affichent uniquement dans les fenêtres gauche et droite du bas (2 et 3) et sont accessibles par un seul onglet : un clic sur un onglet bitexte affiche donc une adresse Web dans la fenêtre de gauche jumelée à une autre adresse dans la fenêtre de droite. L'onglet bitexte a d'abord été pensé pour afficher un couple langue de départ et langue d'arrivée, mais on peut l'employer à des fins différentes.

Le premier objectif de Wapiti est donc de comparer des textes traduits selon la procédure suivante : fenêtre 1 = moteur de recherche de bitextes, fenêtre 2 = texte de la langue de départ, fenêtre 3 = texte de la langue d'arrivée. La routine prévue est : générer un bilan de recherche de bitextes en haut, explorer les résultats, glisser-déposer un lien langue de départ à gauche et glisser-déposer le texte traduit à droite.

Centre de recherche terminologique Eurêka (CERTE)

Le CERTE (ou l'ancien portail Eurêka) est une page Web bi-cadres qui affiche dans le cadre gauche des ressources terminologiques reconnues, classées par dossiers, qui peuvent être consultées dans le cadre droit. Sans changer de page Web il est donc possible d'y faire des recherches terminologiques comparatives dans des ouvrages langagiers majeurs.

CERTE

Iframe

Iframe est un nouveau venu dans le outils Eurêka. Il présente les ressources, dans ce cas des mémoires de traduction, imbriquées dans un seule page Web. Dans le cas des mémoires de traduction le contenu est plus sujet à l'attestation. On se méfie plus des textes traduits et il est plus probable que l'on veuille confronter les différences pour la traduction d'un même concept d'une mémoire à l'autre.

Pratiquement, lorsque que je travaille avec les interfaces mentionnées dans ce billet j'ouvre un éditeur de texte primaire comme Wordpad (ou Notepad) qui me sert de cahier de notes pour consigner les textes opportuns puisés dans les différentes ressources terminologiques. Cela me permet par la suite de tirer des conclusions et de faire un choix.

Iframe

Google terminologique

Le google terminologique est destiné à la consultation des banques de terminologie. Il a besoin d'une refonte. Il permet de consulter plusieurs banques de terminologie à partir d'un seul formulaire. Le Google terminologique affiche les résultats dans des « popups » permettant là aussi un comparaison des résultats.

Pratiquement comment simplifier ?

Tous les outils mentionnés plus haut sont intégrés dans Centre de recherche terminologique Eurêka. Voici donc rassemblés tous les outils susceptibles simplifier le poste de traducteur.

Mode d'emploi

Télécharger Wapiti ici. L'application est très légère.

Accéder à Wapiti et cliquer sur Outils -> Option pour obtenir la fenêtre qui suit. Ajouter l'adresse http://pages.globetrotter.net/mverge/eureka/demoFrameset.html dans la case (No 1) et cliquer sur Valider (No 2) pour fermer la fenêtre. Désormais à chaque lancement de Wapiti le CERTE sera affiché en haut par défaut et il y aura deux pages vierges dans les fenêtres du bas. Comme le CERTE se veut un collection de ressources terminologiques reconnues il me semble logique de procéder ainsi.

Dans la fenêtre qui suit, cliquer sur l'icône maison (No 5) pour afficher l'adresse du CERTE. C'est désormais la page d'accueil du cadre supérieur. Cette page peut être rappelée en cliquant sur le même icône.

Le CERTE renferme toutes les ressources mentionnées dans ce billet et bien d'autres que je vous laisse découvrir. À cette étapes votre poste langagier est déjà très polyvalent. Voyons un peu comment ?

Dans le cadre du haut la combinaison du CERTE et de Wapiti permettent les fonctions et présentations suivantes :

Redimensionnement du cadre ou plein cadre (icône No 6 dans la fenêtre précédente qui fonctionne à bascule) pour un plus grand espace de travail.
Le CERTE peut être utilisé normalement dans le cadre supérieur selon son principe « choisissez à gauche et consultez à droite ».
Un ressource du CERTE peut être récupérée dans un nouvel onglet : un clic droit de la souris sur un hyperlien du cadre gauche et choisir dans le menu contextuel Ouvrir dans un nouvel onglet. Autant de ressources que l'on veut peuvent être affichées de cette manière et sauvegardées sous forme de favori : menu Favori ->Ajouter aux favoris.
Chaque onglet du cadre supérieur possède les caractéristiques du mode redimensionnement de cadre ou plein cadre. Le basculement entre le mode plein cadre et trois cadres permet de profiter d'un plus espace de travail pour le CERTE ou sinon de l'espace des cadres inférieurs.
Dans le cadre supérieur chaque lien d'un onglet peut être ajouté au favoris.
En mode trois cadres, tout lien qui apparaît dans un onglet du cadre supérieur ou dans le CERTE peut être glissé-déposé (drag and drop) dans les cadres gauche ou droit inférieurs. On dispose alors de deux fenêtres pour faire des appariements de ressources qui se complètent et qui s'interrogent séparément. Exemples, un onglet bitexte peut afficher IATE jumelé avec GDT, un autre Wikipedia et Balnéo, un autre Electropedia et GEMET, etc. Chacune de ces combinaisons peut être sauvegardée dans le menu Bitextes -> Ajouter un bitexte. Voici des exemples :

Exemple : cadres inférieurs Wikipédia et Balnéo

Dans la fenêtre qui suit, on a accès à trois banques simultanément. L'ajout d'autres onglets en haut et de bitextes en bas peut faire varier les combinaisons à l'infini. Dans chacun des cadres il toujours possible de poser le curseur sur lien d'utiliser Ouvrir dans un nouvel onglet. Note : une amélioration à venir dans Wapiti est la capacité de récupérer les texte que l'on traduit et de l'éditer.

Yvan Cloutier, terminologue

Un mini-concordancier : CONCORDANCER

2008-11-11T03:47:00.000-08:00

Citations

Mes commentaires

D'utilisation simple et interface légère.
Concordancer est muni d'un traducteur qui passe probablement par les différentes versions de Wikipédia pour donner des équivalents : les traductions sont parfois approximatives.

Tous les mots de l'écran d'affichage des concordances sont hyperliés. Un clic affiche la fenêtre Word in context qui contient la phrase complète.

Le corpus de référence me semble très limité pour la recherche de mots scientifiques et techniques. Ce que je retiens c'est simplicité et la légèreté de l'interface et la convivialité de présentation des données. Un modèle à imiter à mon avis pour d'autres concordanciers que j'ai présenté dans ce blogue.

Site complètement dépouillé, aucun courriel pour obtenir des renseignements.
Adresse Web

http://icall-group.computing.dcu.ie/esprit/concord.php

Yvan Cloutier, terminologue

http://icall-group.computing.dcu.ie/esprit/concord.php

TIME MAGAZINE CORPUS (100 MILLION WORDS, 1923-2006)

2008-11-10T14:51:00.000-08:00

Citations

« This website allows you to quickly and easily search more than 100 million words of text of American English from 1923 to the present, as found in TIME magazine. You can see how words and phrases have increased and decreased in usage and see how words have changed meaning over time. »

À noter

Accès au texte complet

Interface convivial

Copie-écran des options possibles :

Choose the type of display

CHART: This option presents "bar charts" that indicate the overall frequency for all matching words or phrases in each section of the corpus. This is probably the best option for comparing between different genres (spoken, magazines, etc), or to compare time blocks since 1990. (Example of chart display)

LIST: Choose this option to see a listing of each individual word or string that matches the query. (More information on types of search strings).

COMPARE WORDS: This allows you to compare the collocates (nearby words) for two different words, such as small / little, or start / begin, which provides insight into the difference in meaning or use of these two words. (More information on word comparisons).
Beaucoup d'autres options sont possibles.
Une excellente source à consulter si on tient compte de la notoriété du magazine qui a toujours été très près de l'actualité.

Corpus http://corpus.byu.edu/time/

EUROPEAN PARLIAMENT INTERPRETING CORPUS

2008-11-10T13:44:00.000-08:00

Citations du site

« EPIC is an open, parallel, trilingual (Italian, English and Spanish) corpus of European Parliament speeches and their corresponding interpretations currently being compiled at SITLeC (University of Bologna).

....

In 2004 several European Parliament plenary sessions were recorded off the news channel EbS (Europe by Satellite). By selecting different audio channels, it was possible to record the original speakers and the interpreters working in the various booths (in our case, Italian, English and Spanish). All the material thus obtained is being digitised and edited by using dedicated software in order to create a multimedia archive. At the moment, video and audio files are not available on-line, but information on the content and the structure of the archive can be obtained by clicking on Multimedia Archive in the left hand-side bar.

...

The final step in the compilation of EPIC is the alignment of source texts and target texts in order to create parallel subcorpora (see Aligned Texts). Overall, EPIC is made up of three subcorpora of original texts (Org-It, Org-En and Org-Es) and 6 subcorpora of interpreted texts (indicated as Int followed by the language direction, e.g. En-It for English into Italian) covering all the combinations and directions of the three languages, as well as 6 aligned subcorpora of source and target texts (indicated as Org + Int).

Liens associés

http://dev.sslmit.unibo.it/corpora/corpora.php

http://wacky.sslmit.unibo.it/doku.php?id=corpora

Iframe Eureka

2008-11-10T10:17:00.000-08:00

Iframe Eureka.
Interrogation des mémoires de traduction
Notes : Les quatres fenêtre sont interrogeables séparément à partir d'une seule page. Les langues par défaut de LinearB sont l'anglais et le français mais il est possible de les changer comme celles des autres sites. Utiliser le clic droit de la souris sur les liens Open in new Tab ou Open in new Window pour plus de convivialité. Cette page fonctionne dans IE, Firefox et Google Chrome.

Adresse

http://pages.globetrotter.net/mverge/eureka/4windows_page.htm

FranceTerme, veille de termes intégrée à une banque de terminologie

2008-11-08T14:12:00.000-08:00

Du nouveau et de l'inédit chez FranceTerme. En naviguant sur le site je tombe sur des fils RSS et des bulletins de nouvelles qui relient à un veille terminologique très pointue sur les ajouts faits dans la banque.

Le filtrage fin se fait par domaines, exemple : si le domaine Alimentaire vous intéresse vous pouvez demander une alerte sur ce domaine en particulier. À noter que ce site est voué en partie à la néologie. Quoi de mieux que de se tenir au courant des néologismes dans ses domaines d'intérêt.

J'espérais depuis longtemps que les alertes soient intégrées un jour dans banques de terminologie et voilà qui est fait ! Certainement un exemple à suivre.

Je note également sur ce site des remarques sur : Qu'est-ce que la terminologie ?

Voici le texte. Les mots qui me semblent importants sont en gras :

« Une langue n’est pas une entité figée, fixée une fois pour toutes : sans cesse des mots disparaissent, meurent, des mots nouveaux apparaissent…le monde change, et le lexique évolue.

Pour désigner les réalités nouvelles, le français, comme toutes les autres langues, s’enrichit de nouveaux mots -les néologismes- qui sont créés à partir du français ou empruntés aux langues étrangères.

Dans la langue courante, cette création est en quelque sorte spontanée, l’inventivité des jeunes, des journalistes, sans parler des écrivains et poètes… se déploie dans la plus grande liberté. Il suffit de penser à tous ces mots nouveaux, gouvernance, altermondialisme, écocitoyen, slam …) que l’on entend dans les médias, que l’on voit dans les journaux. Tantôt ils passent de mode rapidement, tantôt ils s’implantent durablement dans l’usage, et dans les dictionnaires.

Dans les domaines techniques et scientifiques, les données sont différentes et d’une toute autre ampleur : pour exprimer des notions souvent très complexes, les professionnels emploient dans leur domaine d’activité particulier des mots ou des expressions très précis, des termes, qui se dénombrent en centaines de milliers (par comparaison, un dictionnaire de langue générale compte 50 000 à 100 000 mots au maximum).

Une terminologie est d’abord un ensemble de termes spécialisés relevant d’un même domaine d’activité qui a son vocabulaire propre: terminologie de la médecine, de l’informatique, du sport, de la marine… Le mot terminologie désigne aussi une activité, l’ « art de repérer, d’analyser et, au besoin, de créer le vocabulaire pour une technique donnée, dans une situation concrète de fonctionnement, de façon à répondre aux besoins d’expression de l’usager » de produire les termes et définitions pour désigner les notions et réalités d’un domaine : récemment il a fallu créer génome, cybercaméra, biocarburant, minimessage…

La terminologie (ou terminographie) s’applique aux langages spécialisés comme la lexicographie touche à la langue générale. Une notion, une définition, un terme : c’est le principe d’élaboration de toute terminologie ; chaque notion nouvelle doit être définie avec précision et désignée par un terme, le plus adapté, le plus parlant, le plus clair possible.

Elle est proche de la traduction, se fondant sur le sens d’une notion pour donner des termes équivalents d’une langue à l’autre. C’est enfin une discipline linguistique qui étudie les concepts spécialisés et les termes qui les désignent en langue de spécialité. »

Source

Site accueil : http://franceterme.culture.fr/FranceTerme/index.html

Y.C.

La liste Eurêka, rien n'a changé

2008-11-05T15:00:00.000-08:00

Il y a quelques années je publiais le texte qui suit dans la liste Eurêka. Je constate que les objectifs passés sont encore valides pour la plupart. Au moment de la création je travaillais au Bureau de la Traduction du Gouvernement canadien comme terminologue. Aujourd'hui je suis à la retraite et je consacre presque toutes mes heures de loisirs à Eurêka et j'y trouve un grand intérêt. À ce jour la liste compte au delà de 720 membres très fidélisés semble-t-il. Presque 10 ans et 14 000 messages plus tard la liste Eurêka est toujours là !
----------------------------------------------------------------------------
Réflexion inspiratrice pour la création d'une liste de diffusion

Deux types de ressources utiles pour les langagiers peuvent être discernées dans l'Internet.
D'une part, il y a les ressources périssables lesquelles sont constituées de pages Web très volatiles et qui témoignant de la mouvance et du caractère ponctuel de la toile mondiale. Celles-ci ne sont pas négligeables puisqu'elles contiennent une terminologie de pointe à laquelle il importe d'avoir accès.

D'autre part, il y a les ressources non périssables, telles les bases de données et les moteurs spécialisés techniques et scientifiques. Parmi ces ressources, il y a les banques de terminologie, ces pierres précieuses pour les travailleurs du langage, qu'on se doit de collectionner et de consigner, parce qu'elles sont conçues à partir de méthodes éprouvées dans un but de continuité et de manière à structurer le savoir terminologique sous la forme d'équivalenciers multilingues.

Buts d'Eurêka

Eurêka a pour but principal d'exercer une veille Internet dans tous les domaines liés aux besoins des langagiers afin d'y repérer les ressources pouvant présenter un intérêt. Eurêka analyse, évalue et fait ressortir les aspects des ressources repérées qui sont particulièrement aptes à faciliter la pratique des professions langagières.

Eurêka a aussi pour objectif de repérer et de suggérer à ses membres des moteurs, des bases de données et, particulièrement, des banques de terminologie spécialisées, ces dernières étant plus propices à combler les besoins des langagiers.

Veille langagière permanente

Afin d'atteindre ses buts, le modérateur d'Eurêka est abonné à des listes de diffusion (et des fils RSS). Les sites d'intérêt repérés par cette veille terminologique éclairée et permanente sont analysés et évalués. Lorsqu'ils présentent un intérêt pour le langagier, il font l'objet de messages dans la liste de diffusion.

La liste de diffusion Eurêka

La liste de diffusion Eurêka est une adresse unique eureka@yahoogroupes.fr sous laquelle sont regroupées les adresses électroniques des abonnés dûment enregistrés. Ces derniers, à condition qu'ils soient membres, peuvent y poster leurs messages (en anglais, en français et en espagnol) lesquels sont automatiquement repostés à tous les abonnés par le robot gestionnaire de la liste.

La liste Eurêka est une excellente façon de profiter d'une veille avertie et raisonnée sur tout ce qui touche langagerie.

Yvan Cloutier, modérateur Eureka

Adresse de la liste : http://fr.groups.yahoo.com/group/eureka/

Envoyer un message : eureka@yahoogroupes.fr

S’inscrire : eureka-subscribe@yahoogroupes.fr

Désinscription : eureka-unsubscribe@yahoogroupes.fr

Fondateur de la liste : eureka-owner@yahoogroupes.fr

Une communauté d'agents intelligents

2008-11-04T14:13:00.000-08:00

Les spécialistes de la toile mondiale s'entendent pour dire qu'un mois en temps Internet équivaut à une année en temps réel. La toile mondiale se métamorphose constamment à la vitesse de l'éclair sous les yeux de l'Internaute : une absence d'à peine quelques semaines et le voilà submergé de courriels; de nouveaux sites naissent toutes les secondes, d'autres disparaissent.

Jacques Attali a très finement décrit le Web : « Quiconque a essayé un jour d'entrer dans Internet sait qu'il ne faudrait pas parler d'autoroutes de l'information mais plutôt de labyrinthes : gigantesque enchevêtrement de ruelles et d'impasses, de bibliothèques et de cafés, le réseau se compose de mille chemins qui souvent se terminent en impasses. Internet ressemble plus au labyrinthe d'une ville médiévale, sans véritable architecte, qu'au bel ordonnancement d'une autoroute. Malgré cette agitation incessante et l'anarchie qui y règne, Internet s'est imposé pour beaucoup comme un outil indispensable dans leurs activités quotidiennes. »

L'absence de frontières physiques entre les pays dans l'Internet favorise le multiculturalisme et la création de communautés virtuelles de spécialistes dans des domaines très ciblés, ainsi que la libre communication entre les intervenants de ces groupes. La diffusion, la mise à jour et la consultation des documents électroniques se font désormais instantanément, quelle que soit leur provenance dans le monde.

Internet apparaît comme une grande agora où l'on peut, d'un simple clic de la souris, contempler l'activité humaine de par le monde. Jacques Attali poursuit : « Internet c'est la porte d'entrée dans tout l'univers virtuel, dans ce que j'ai appelé le septième continent, c'est-à-dire un univers nouveau où on pourra faire tout ce qu'on fait dans la réalité : acheter, vendre, travailler, se distraire, faire semblant de vivre, comme on fait dans la réalité d'ailleurs. Donc c'est une nouvelle Amérique. Il y a une loi d'airain qui fait qu'un espace ne peut être véritablement structuré que s'il devient un champ de foire. Internet, l'espace virtuel, va devenir un champ de foire et c'est très bien ainsi. Or les marchands de cette foire, qui avaient pignon sur rue, n'ont souvent plus qu'une adresse URL, nouvelle mesure de la proximité des clients, qui de concitoyens sont devenus des cybercitoyens . Ce nouvel environnement imposé par le Web, qui est vite devenu un passage obligé pour le commerce, a complètement transformé les lois de la concurrence. Toute entreprise ou organisation qui veut rester un chef de file sur la toile mondiale se doit de veiller (ou d'exercer une vigie) dans son domaine d'intérêt au risque d'être dépassée. »

Carlo Revelli, spécialiste de la veille Internet, dans son livre intitulé Intelligence stratégique sur Internet, justifie en ces termes la nécessité de veiller : « L'information se renouvelle à une telle vitesse sur Internet qu'il est humainement impossible de suivre l'évolution de l'actualité d'un secteur économique ou l'apparition d'innovations technologiques. Même si vous obligez une personne à rester branchée nuit et jour sur Internet pour surveiller ne serait-ce que dix sites assez volumineux, vous n'obtiendrez pas de résultats satisfaisants. La quantité d'informations est trop importante pour qu'un être humain puisse détecter tous les changements qui ont eu lieu. »

Dans un article publié dans l'Actualité terminologique, Marc Laforge parle de « competitive intelligence » en ces termes : « ... la competitive intelligence est l'utilisation de la surcharge informationnelle à bon escient, disons de manière intelligente, d'où le nom. Cette activité consiste à trier l'information pertinente, à l'organiser, à la structurer d'une façon cohérente, à en faire la synthèse afin de permettre aux décideurs de prendre des décisions plus éclairées et, au bout du compte, d'acquérir un avantage compétitif sur la concurrence en Europe, on parle surtout et beaucoup d'intelligence concurrentielle. Au Canada, on privilégie « veille concurrentielle ou stratégique ».

Bernard Dousset, Taoufiq Dkaki et Saïd Karouach, auteurs sur le veille , définissent « competitive intelligence » comme « la pratique qui englobe les actions de collecte, analyse et diffusion des informations en vue de rendre plus intelligible l'environnement de l'entreprise. En cherchant à anticiper les évolutions du marché par une mise en valeur des informations et des connaissances, la veille a pour objectif d'accroître l'adaptabilité de l'entreprise à son marché. » Ils distinguent la veille commerciale, la veille concurrentielle, la veille stratégique, la veille juridique, la veille scientifique, etc. On pourrait certainement y ajouter la veille langagière, dont l'importance est plus que justifiée par le fait que la barrière linguistique freine la libéralisation de la communication intégrale entre les peuples sur Internet, d'où une prolifération de mesures palliatives.

La vitrine mondiale d'Internet ouvre des portes à tous les commerçants du monde qui sont soudainement confrontés au plurilinguisme, d'où l'apparition d'une multitude d'outils langagiers et de technologies permettant d'aplanir les différences linguistiques qui nuisent au commerce électronique : logiciels de traduction automatisée des courriels ou de sites complets, moteurs translingues capables, à partir d'une mémoire de traduction, d'interpréter dans plusieurs langues une demande formulée en langage naturel, et j'en passe.

Étant donné que le Web est un passage obligé et que, par surcroît, il contient une quantité astronomique d'informations, toute organisation ou entreprise désireuse de demeurer concurrentielle doit effectuer des activités de veille en mettant sur pied une cellule de veille. La veille est un processus de mise à jour régulière d'informations. Beaucoup plus qu'une simple recherche thématique, elle consiste à traquer et à recueillir des renseignements, à les synthétiser et à en déduire les conclusions utiles pour l'adaptation de l'organisation à une situation concurrentielle donnée.

Le traitement de l'information est confié à des professionnels de la recherche qui font partie intégrante de la cellule de veille. Leur travail consiste à repérer les données concurrentielles appropriées et à les passer au crible afin de trouver l'élément informationnel offrant l'avantage concurrentiel recherché. La cellule de veille se compose d'une équipe de veilleurs actifs, qui reçoit l'appui de tous les membres de l'organisation concernée (veilleurs potentiels ou passifs) à qui l'on fait connaître la nature et l'importance des activités de veille. En font partie un spécialiste des systèmes informatiques, un spécialiste de la recherche sur le Web et un spécialiste du traitement des données qui indexe, ordonne et diffuse dans l'organisation les renseignements recueillis.

L'équipe de veille doit faire une distinction entre données et information. Les données sont des renseignements bruts souvent recueillis à partir de moyens machines qui sont susceptibles de servir à établir des relations, des prévisions, sinon des futuribles. L'information est, en général, un ensemble cohérent significatif pour l'organisation, généralement établi humainement à partir des données, que l'équipe doit maîtriser et mettre à la disposition de l'entreprise pour lui donner une position favorable dans un environnement concurrentiel donné. Ces distinctions sémantiques s'établissent selon les étapes suivantes : la validation, qui permet d'établir la pertinence des données brutes; l'indexation des données; la synthèse, qui consiste à interpréter et à résumer les informations; la diffusion au sein de l'organisation.

Comme je l'ai déjà mentionné, la quantité de données disponibles sur le Web est astronomique et dépasse les capacités d'acquisition et de surveillance humaines. Les outils traditionnels de recherche tels les moteurs de recherche classiques et les répertoires de toutes catégories, bien qu'utiles pour effectuer les recherches courantes, ne suffisent plus pour accomplir les recherches complexes et pointues qu'exigent les activités de veille.

Voilà où entre en jeu l'agent intelligent. L'agent intelligent est un assistant électronique ou

un robot de recherche capable d'effectuer en autonomie des tâches répétitives

d'investigation et de surveillance en tenant compte de paramètres et de filtres imposés par le maître. Il doit posséder les attributs suivants : autonomie, adaptabilité, comportement coopératif, réactivité, aptitude sociale et mobilité. L'agent est autonome lorsqu'il peut tenir compte, sans intervention humaine, des besoins, des intérêts et des objectifs de son maître et prendre les initiatives appropriées.

On dit que l'agent s'adapte lorsqu'il est capable d'apprendre afin d'interagir avec l'environnement extérieur (c'est-à-dire le monde physique, les humains, les autres agents, l'Internet) de sorte que son rendement s'améliore avec le temps. L'agent est réactif lorsqu'il sait percevoir les changements de son environnement, qu'il peut modifier au besoin. L'agent est dit social lorsqu'il peut interagir avec d'autres agents (et possiblement des humains) à l'aide d'un langage qui lui est propre. Dans un environnement multi-agents, l'agent a un comportement coopératif lorsqu'il est capable de travailler avec d'autres agents dans le but de fusionner les informations afin d'atteindre un objectif commun. Enfin, l'agent est mobile lorsqu'il a la capacité de choisir lui-même une direction et de se déplacer vers un lieu du réseau dans le but d'accomplir ses tâches.

Dans la pratique, l'agent intelligent doit donc être capable d'apprendre le profil de son maître, d'en tenir compte et de reprendre une recherche en fonction de nouveaux paramètres, d'éliminer les doublons et d'effectuer la synthèse machine des documents résultant d'une recherche, de mémoriser ses expériences et d'en tenir compte, d'adapter son comportement à son environnement, d'assumer des fonctions automatiques de contrôle, de mémorisation ou de transfert d'informations.

La principale caractéristique de l'agent intelligent est avant tout sa capacité de veille permanente et son assiduité implacable à effectuer des tâches surhumaines face à la complexité et à la quantité des données à scruter sur la toile. Tous les spécialistes s'accordent pour dire qu'aucune organisation ne peut assurer une veille efficace sans le concours d'agents intelligents. Non seulement ces derniers sont infatigables, mais ils soustraient également le veilleur humain à certaines tâches routinières et rébarbatives.

Le veilleur doit donc, au début de sa démarche, collectionner des données à l'aide d'agents intelligents. Cette tâche de cueillette est facilitée par la grande diversité des agents de veille, que l'on peut classifier selon leur mode de fonctionnement et leur spécialisation. D'après le mode de fonctionnement, on peut distinguer les agents agissant selon le modèle du tirer et les agents agissant selon le modèle du pousser, cette distinction étant importante puisqu'elle implique la façon dont l'agent entrera en interaction avec l'utilisateur lors de l'accomplissement de sa mission.

Les agents de tirer impliquent de la part de l'internaute une démarche active, c'est-à-dire qu'il doit rechercher lui-même l'information. Par exemple, les agents agissant par courriel émettent une alerte postale (exemple : Google Alert) chaque fois qu'une adresse présélectionnée et mémorisée a subi des modifications (mise à jour du texte, changement ou ajout de liens, etc.) ou lorsqu'une demande préalablement ciblée et filtrée produit un nouveau bilan de recherche à partir d'un ou plusieurs moteurs de recherche.

Parmi les agents de tirer, on peut aussi distinguer les agents d'alerte hors connexion (hors ligne), qui sont des logiciels que l'utilisateur installe sur son ordinateur. Il s'agit d'aspirateurs de sites qui se connectent automatiquement au réseau et permettent la copie de sites entiers sur une unité de disque locale à partir de la racine indiquée. Certains de ces agents demeurent en mode de veille permanente afin de lancer une nouvelle alerte à la suite de modifications apportées sur les pages déjà aspirées.

Les agents de pousser (comme les fils RSS) collectent les données et les transmettent directement et automatiquement à l'utilisateur sans démarche active de sa part, à intervalles réguliers et selon des directives préétablies. Parmi les agents de pousser, on distingue également ceux fonctionnant hors connexion et ceux agissant en ligne. Les agents de pousser en ligne sont des sites accessibles au moyen d'un identifiant et un mot de passe qui permettent de personnaliser une page Web affichant les résultats d'une recherche à partir de certains filtres et paramètres. Ces sites permettent de générer de véritables bulletins d'information personnalisés en ligne. Les agents de pousser hors connexion effectuent les mêmes tâches que les agents en ligne mais nécessitent l'installation d'un logiciel client.

Quel que soit le type d'agent utilisé, l'objectif de la veille est toujours la collection rapide de données très spécifiques qui permettent à une organisation de faire face à la concurrence et de s'assurer une présence prépondérante devant la croissance fulgurante et le gigantisme du Web. Les agents intelligents, ces créatures numériques qui habitent le Web et qui y vivent en permanence, s'imposent pour accomplir cette tâche. Ce sont des robots veilleurs assidus, ponctuels et implacables qui surpassent les capacités humaines de résolution et d'assimilation des données.

Pour le profane, les agents intelligents peuvent trouver leur utilité dans le domaine des achats en ligne. L'agent de magasinage, par exemple, s'avérera souvent indispensable devant la taille du Web afin de comparer les prix tout en tenant compte de la qualité des produits. Il sera en alerte 24 heures sur 24 à la recherche de la meilleure offre pour l'achat d'un ordinateur dont les spécifications techniques auront été imposées par l'utilisateur. Ce fidèle serviteur informera régulièrement son maître des meilleurs achats à faire à l'aide d'alertes sous forme de bilans contenant les renseignements pertinents.

Quoi que que l'on puisse affirmer sur la toile mondiale, il faudra toujours se rappeler qu'elle est en constante mutation. S'il est vrai que la réalité virtuelle change dans le rapport un mois internet égale une année en temps réel, il en va de même des agents. Donc, au moment de lire ce billet il sera déjà temps pour moi de songer à en faire une nouvelle description!

Sources

http://www.synec-doc.be/doc/attali.htm

Carlo Revelli. Intelligence stratégique sur Internet, 2e édition, 1999, 220 pages. ISBN : 2 10 0005154 7.

http://agentland.com

UMBC Agents Web : http://agents.umbc.edu/

H.S. Nwana and D.T. Nduma.AAn Introduction to Agent Technology,@BT Technology Journal, Vol. 14, No. 4, ctober 1996.
Pattie Maes. AHow to do the right thing,@AI-Laboratory, Vrije Universiteit Brussel and AI-Laboratory, Vrije UniversiteitBrussel, Massachusetts Institute of Technology.

Michael Wooldridge and Nicholas R. Jennings. AIntelligent Agents : Theory and Practice,@ Knowledge Engineering Review.

David L. Martin, Adam Cheyer and Gowang-Lo Lee. ADevelopment Tools for the Open Agent Architecture.@

Andreas Rasmusson and Sverker Jansson. APersonal Security Assistance for Secure Internet Commerce.@

Don Gilbert and Peter Janca.AIBM Intelligent Agents @.

Philip R. Cohen, Adam Cheyer, Michelle Wang and Soon Cheol Baeg. AAn Open Agent Architecture,@ SRI International, Stanford University, ETRI.

Resource Description Framework et la terminologie

2008-11-03T05:37:00.000-08:00

Le but de ce billet est d'explorer le moteur Sindice qui indexe les métadonnées du Web sémantique et d'illustrer en quoi il est susceptible d'aider le travail du langagier. Voici des citations de Wikipédia au sujet du Web sémantique. Les mots importants sont en gras.

« Le Web sémantique désigne un ensemble de technologies visant à rendre le contenu des ressources du World Wide Web accessible et utilisable par les programmes et agents logiciels, grâce à un système de métadonnées formelles ... » Source
« Une métadonnée (mot composé du préfixe grec meta, indiquant l'auto-référence ; le mot signifie donc proprement « donnée de/à propos de donnée ») est une donnée servant à définir ou décrire une autre donnée quel que soit son support (papier ou électronique) . » Source
« Resource Description Framework (RDF) est un modèle de graphe destiné à décrire de façon formelle les ressources Web et leurs métadonnées, de façon à permettre le traitement automatique de telles descriptions ... En annotant des documents non structurés et en servant d'interface pour des applications et des documents structurés (pe. bases de données, GED, etc.) RDF permet une certaine interopérabilité entre des applications échangeant de l'information non formalisée et non structurée sur le Web.» Source.
« Un document structuré en RDF est un ensemble de triplets. Un triplet RDF est une association : sujet, prédicat, objet. Le sujet représente la ressource à décrire. Le prédicat représente un type de propriété applicable à cette ressource. L'objet représente une donnée ou une autre ressource : c'est la valeur de la propriété. » Source.
« Sindice est un moteur de recherche qui permet d'exploiter des données publiées en RDF, qu'elles se trouvent ... dans des fichiers RDF, ou dans des pages HTML sous forme de métadonnées ... Sindice surveille, collecte et indexe ces données ... Ensuite, il met à disposition tout cela sous forme d'API pour qu'on puisse l'utiliser dans une autre application. Sindice est une des briques essentielles du Web of data ... Source »

Voici un interrogation du moteur RDF Sindice :

les guillemets anglais pour forcer la juxtaposition des mots d'unités terminologiques complexes semblent acceptés quoique que je n'ai pu le vérifier sur le site.
l'interrogation se fait dans les métadonnées cachées dans les codes de pages Web.
le bilan donne un accès direct au fichier RDF ; cliquer sur le libellé en bleu du terme pour accès à la page suivante :

==========début de la page des résultats
Public-key cryptography, also known as asymmetric cryptography, is a form of cryptography in which the key used to encrypt a message differs from the key used to decrypt it. In public key cryptography, a user has a pair of cryptographic keys—a public key and a private key. The private key is kept secret, while the public key may be widely distributed. Incoming messages would have been encrypted with the recipient's public key and can only be decrypted with his corresponding private key. The keys are related mathematically, but the private key cannot be practically derived from the public key. Conversely, secret key cryptography, also known as symmetric cryptography uses a single secret key for both encryption and decryption. ... (en)
La criptografía asimétrica es el método criptográfico que usa un par de claves para el envío de mensajes. Las dos claves pertenecen a la misma persona a la que se ha enviado el mensaje. Una clave es pública y se puede entregar a cualquier persona, la otra clave es privada y el propietario debe guardarla de modo que nadie tenga acceso a ella. El remitente usa la clave pública del destinatario para cifrar el mensaje, y una vez cifrado, sólo la clave privada del destinatario podrá descifrar este mensaje. Los sistemas de cifrado de clave pública o sistemas de cifrado asimétricos se inventaron con el fin de evitar por completo el problema del intercambio de claves de los sistemas de cifrado simétricos. Con las claves públicas no es necesario que el remitente y el destinatario se pongan de acuerdo en la clave a emplear. Todo lo que se requiere es que, antes de iniciar la comunicación secreta, el remitente consiga una copia de la clave pública del destinatario. Es más, esa misma clave pública puede ser usada por cualquiera que desee comunicarse con su propietario. Por tanto, se necesitarán sólo n pares de claves por cada n personas que deseen comunicarse entre sí. (es)
Ein asymmetrisches Kryptosystem ist ein Kryptosystem, bei dem jeder der kommunizierenden Parteien ein Schlüsselpaar besitzt, das aus einem geheimen Teil (privater Schlüssel) und einem nicht geheimen Teil (öffentlicher Schlüssel) besteht. Der öffentliche Schlüssel ermöglicht es jedermann, Daten für den Inhaber des privaten Schlüssels zu verschlüsseln, dessen digitale Signaturen zu prüfen oder ihn zu authentifizieren. Der private Schlüssel ermöglicht es seinem Inhaber zum Beispiel, Daten zu entschlüsseln, digitale Signaturen zu erzeugen oder sich zu authentifizieren. Im Gegensatz zu einem symmetrischen Kryptosystem müssen die kommunizierenden Parteien keinen gemeinsamen geheimen Schlüssel kennen. Asymmetrische Kryptosysteme werden daher auch als Public-Key-Verfahren bezeichnet. (de)
La cryptographie asymétrique est une méthode de chiffrement qui s'oppose à la cryptographie symétrique. Elle utilise généralement une clé publique (qui est diffusée) qui permet de coder le message et une clé privée (gardée secrète) qui permet de décoder le message. Ainsi l'expéditeur peut coder le message que seul le destinataire pourra décoder. (fr)
La crittografia asimmetrica, conosciuta anche come crittografia a coppia di chiavi, crittografia a chiave pubblica/privata o anche solo crittografia a ... »more» (it)
公開鍵暗号（こうかいかぎあんごう、Public key cryptosystem）とは、暗号化と復号に別個の鍵（手順）を使い、暗号化の為の鍵を公開できるようにした暗号方式である。1980年代にかけ、日本で紹介された直後は「公衆暗号系」と訳されていた。 (ja)
Bij asymmetrische cryptografie (zoals RSA) wordt gebruik gemaakt van twee aparte sleutels: één sleutel wordt gebruikt om de informatie te coderen (vercijferen) ... »more» (nl)
======fin de la page des résultats
Noter que les définitions qui précèdent semblent originales (non traduites) et que la langue est indiquée (en gras à la fin des textes).
Le page RDF affiche d'autres renseignements terminologiques utiles que je vous laisse découvrir à l'adresse suivante : http://dbpedia.org/page/Public-key_cryptography.
On se trouve ici en présence d'un site qui non seulement peut donner des tarductions mais aussi des définitions aux langagiers. De quoi résoudre des problèmes terminologiques épineux ou sinon fournir des définitions pour la rédaction de fiches.
Mieux que les données visibles d'une page il semble que les métadonnées en sont à recréer le Web.

Adresses complémentaires

http://wiki.dbpedia.org/About

http://tools.ietf.org/html/rfc3986

http://www.figoblog.org/

Une mémoire de traduction gigantesque sur le Web, les bitextes

2008-11-02T15:05:00.000-08:00

Du point de la recherche d'équivalents, les bitextes sont beaucoup plus

prolifiques que les banques de terminologie. La raison est que les textes

explicatifs « tronqués » servant à attester les fiches dans les banques de

terminologie sont « découpés » à partir de mégatextes inaccessibles lors de

l'interrogation.

Les bitextes donnent accès à l'intégralité des contenus comme le mentionnent

Claude Bédard et Catherine Arrouart : « Un bitexte constitue en quelque

sorte un «lexique dilué», qui contient implicitement d'innombrables fiches

qu'on n'a jamais pris de temps de créer. Prenant ainsi le relais du fichier

terminologique en bonne et due forme, le bitexte participe à une petite

révolution... On peut puiser dans un bitexte de précieux renseignements de

linguistique et de stylistique contrastives (comment on s'exprime dans tel

domaine, tournures stéréotypées, préférences de tel client, solutions de

traduction, etc.). » (Revue Circuit, numéro 73, automne 2001, p. 30)

Les bitextes existent en quantité impressionnante sur le Web, lieu

incontournable de diffusion des connaissances. Les auteurs de pages Web

doivent avoir recours de plus en plus à la traduction afin de défoncer les

barrières linguistiques sur la toile qui, par définition, se veut sans

frontières. La langue est un obstacle qui résiste encore à l'universalité du

Web, d'où l'offre croissante des travaux de traduction et la prolifération

des logiciels et applications langagiers.

Certes, l'apport des bitextes dans le processus de recherche terminologique

s'impose dans la mesure où la qualité des traductions est assurée. Or la

plupart des grandes organisations mondiales ainsi que certaines sociétés

d'importance ont leur propre services de traduction et de terminologie qui

veillent à la qualité des textes.

Ce qui caractérise la mémoire de traduction du Web c'est qu'elle contient un

langage qui décrit de très près une réalité en perpétuel mouvement. Le Web

n'est-il pas le lieu par excellence de l '« actualité » qui change au même

rythme que les découvertes scientifiques et techniques. La langue du Web

constitue un gigantesque corpus archivé qui témoigne de la vitalité de la

langue.

Les moteurs de recherche indexent constamment le Web : la même page

interrogée deux fois peut avoir été modifiée et Google en tiendra compte

dans les résultats. Les moteurs générateurs de bitextes ne font pas

exception.

À ce titre, le principal avantage de Wapiti sur les mémoires de traduction

est qu'il permet d'interroger « en temps réel » les bitextes plutôt que des

bitextes « déconnectés » stockés dans des bases de données.

Wapiti a été conçu par des langagiers dans le but de faciliter la

comparaison et l'alignement de contenus, la recherche terminologique, la

révision ainsi que le travail de traduction en général. Certaines de ses

fonctions sont identiques à celles que l'on retrouve dans les navigateurs,

le but de ses concepteurs étant qu'il devienne autant que possible un

navigateur langagier.

*Le mot « bitexte » est employé ici dans le sens des textes traduits bien

qu'habituellement il s'agisse de textes traduits alignés automatiquement. »

SITE DE TÉLÉCHARGEMENT DE WAPITI

http://wapiti.net.googlepages.com/download_wapiti_split_browsers

Pour en savoir plus sur MultiSemCor parallel corpus

2008-10-31T13:35:00.000-07:00

Voir ce fichier PDF

http://multisemcor.itc.it/papers/meaning2005.pdf

---------------------------

The MultiSemCor parallel corpus

2008-10-30T18:43:00.000-07:00

Mon engouement pour les corpus alignés vous est certainement apparu évident depuis que je publie des messages. J'avais établi dans liste Eurêka un ordre de priorité pour la consultation des ressources lorsqu'un problème terminologique se présente. En voici les grandes lignes :

Banques de terminologie (pour trouver une traduction)
Corpus multilingues alignés (pour trouver une traduction)
Dictionnaires de traduction (pour trouver une traduction)
Dictionnaires généraux définitoires (pour chercher à cerner les concepts)
Les textes spécialisés en ligne ou écrits (pour rechercher un contexte explicatif)

Les textes traduits par des traducteurs professionnels ont une valeur certaine lorsque les problèmes terminologique qu'ils contiennent ont été résolus selon règles de la recherche terminologique, c'est pourquoi je place le corpus alignés au deuxième rang. La mémoire de traduction du monde est devenue gigantesque depuis que le Web existe et on ne peut la négliger.

MultiSemCor est une corpus aligné de textes anglais<->italien et anglais<->roumain. Je n'ai trouvé aucune mention sur le site qui indique que les textes passent par un moteur commercial avant d'être traités comme c'est le cas par exemple pour les concordanciers WebCorp et WebAsCorpus.

Je ne connais pas de sites qui alignent « live » les bitextes mais ce serait très intéressant que l'on développe ce genre d'interface. Par « live (en temps réel) » j'entends les applications qui passent par des moteurs commerciaux comme Google ou Alta Vista avant d'établir une liste d'occurrences finale (WebCorp, WenAsCorpus).

Imaginons par exemple les pages anglaises et françaises des sites du Gouvernement canadien qui, après une interrogation, s'aligneraient à gauche et à droite de l'écran. Il serait alors facile de repérer les traductions « phrases à phrases » en ne perdant rien des subtilités d'expression dans les deux langues.

MultiSemCor est un bel exemple de corpus aligné offrant une intéressante présentation des données réparties et échangées entre les quatre cadres d'un seule page.

Adresse utiles

MultiSemCor : http://multisemcor.itc.it/frameset2.php

Liste Eurêka : http://fr.groups.yahoo.com/group/eureka/

WebAsCorpus http://cyber-terminologie.blogspot.com/2008/10/webascorpusorg.html

WebCorp : http://cyber-terminologie.blogspot.com/2008/10/webcorp-linguists-search-engine-lse.html

Moteur de recherche canadien : http://recherche-search.gc.ca/s_r?S_08D4T.1ct57n=form&S_08D4T.s3rv5c3=basic&s5t34d=canada&t3mpl1t34d=1&l7c1l3=fra

WebAsCorpus

WebAsCorpus.org

2008-10-29T14:50:00.000-07:00

Voir aussi mon billet sur WebCorp.

Rechercher dans le Web avec WebAsCorpus me semble plus convivial que de le faire avec Google. Cependant, contrairement à WebCorp qui passe par Google, WebAsCorpus utilise le moteur Live Search de Microsoft.
Voici ce que je retiens des possibilités de ce concordancier qui est susceptible de faciliter le travail des langagiers.

son temps de réponse est acceptable, presqu'aussi rapide que Google.
il donne accès à des contenus textuels déformatés (sans images, sans scripts, etc.) donc une fois le texte chargé la navigation intra-textuelle se fait beaucoup plus rapidement.
options de l'interface :
@le nombre de caractères avant et après le terme interrogé peut aller jusqu'à 1000 ; sinon on peut accéder au texte complet.
@le nombre de pages Web que le moteur explore peut être déterminé d'avance soit de 10 à 500.
@le nombre d'occurrences repérées pour chaque page Web peut être réglé de 10 a 100.
@le filtre des pays permet de limiter l'interrogation à un ou plusieurs pays.

Les préférences qui précèdent peuvent être sauvegardées par défaut sur un ordinateur donné pour chaque séance d'interrogation.
l'utilisateur peut choisir la langue d'interrogation.
le formulaire de recherche avancée comporte des cases d'inclusion et d'exclusion de descripteurs par rapport au terme faisant l'objet de l'interrogation. Il peut être efficace d'inscrire dans ces cases des termes décrivant des domaines généraux afin de limiter le nombre de pages dans le cas de termes polysémiques. La structuration de requêtes avec filtrage par domaines est donc possible comme dans une banque terminologique. Exemple : si on veut trouver les pages portant sur les indiens Cherokee américains et non celles concernant la jeep de marque Cherokee, inscrire le mot « jeep » dans la case Exclude du formulaire de recherche avancée. Beaucoup de formats d'interrogation sont possibles à partir des cases Include et Exclude.
le bilan de recherche surligne te terme recherché, exemple : « La bio-informatique est un champ de recherche multi-disciplinaire où travaillent de concert biologistes, informaticiens, mathématiciens et physiciens, dans le but de résoudre un problème scientifique posé par la biologie. Le terme bio-informatique peut également décrire (par abus de langage) toutes les applications informatiques résultant de ces recherches[1]. Cela va de l'analyse du génome à la modélisation de l'évolution d'une population animale dans un environnement donné, en passa... »
selon les options sélectionnées le bilan de recherche affiche au début ce qui suit : « Live Search reports 107,000 total hits for "bio-informatique" in French... displaying concordances from up to 50 matching webpages and 30 matches per page, starting with page 1. »
affichage des options suivantes au haut de l'écran : « continue this search | zipfile of HTML files | text files | both | search for other concordances 58 docs seen ... when this page is complete, links to download the HTML and / or text files in zipped format will appear above (instant minicorpus!) » donnant la possibilité de constituer un corpus sur un sujet donné.

WebCorp Linguist's Search Engine (LSE)

2008-10-27T11:33:00.000-07:00

Réference et notes

Voir mon billet précédent sur le concordancier WebCorp qui utilise les moteurs de recherche comme Google, Alta Vista, etc. pour interroger le Web en temps réel.
Sur le même site à cette adresse on peut s'enregistrer pour l'interrogation du WebCorp Linguist's Search Engine (LSE). Ce corpus n'interroge pas le Web en temps réel mais plutôt une base de données statique de textes qu'on alimente régulièrement à partir du Web.
WebCorp LSE is being developed and operated by the Research and Development Unit for English Studies (RDUES) in theSchool of English at Birmingham City University.

Citation

« WebCorp Linguist's Search Engine is a specially tailored search engine for the study of language on the web. Due to the inadequacies of commercial search engines for studying language on the web it was obvious that a specialised search engine, understanding these needs, is required.

Armed with years of knowledge in the field of corpus linguistics we developed the WebCorp prototype, which uses commercial search engines to extract results from the web and organises the information for linguistic study. Due to the limitations of the prototype we know that a fully-tailored linguistic search engine, built from top to bottom with these needs in mind, is necessary. We are currently developing the WebCorp Linguist's Search Engine to fulfil this need.

WebCorp LSE is a search engine formed from a unique architecture to facilitate linguistic study of the web. Web content is downloaded, processed and stored to eventually form a 10 billion word corpus. Source. »

Commentaire

Bien que les objectifs des auteurs du LSE soient plutôt du côté de la linguistique informatique, on retrouve ici un intérêt certain pour une forme d'utilisation des outils du Web axée sur les besoins des langagiers.

Concordancier du journal Le Monde

2008-10-26T10:07:00.000-07:00

« Bienvenu au concordancier "Le Monde". C'est un outil linguistique gratuit. Le concordancier peut être utilisé à la fois comme un vérificateur d'orthographe, une banque lexicographique des collocations, ou encore comme un recueil des paradigmes morphologiques et de leurs réalisations contextuelles. »

Mon commentaire : la notoriété de la publication et la variété des sujets d'actualités traités apportent une valeur certaine à ce corpus.

Bien que le format de sortie ne soit pas très polyvalent le moteur donne tout de même accès à l'essentiel. Par contre il est impossible d'accéder au texte original. Personnellement je ne comprends pas l'utilité des boutons suivants :

http://www .bultreebank.org/fre nch/login.html

WebCorp Live et Wapiti

2008-10-20T16:01:00.000-07:00

WebCorp est en ligne depuis longtemps mais avait des problèmes de temps de réponse. Étant donné le nombre d'opérations qu'il doit effectuer à la suite d'une requête et son taux de fréquentation il n'arrivait pas à satisfaire la demande. La version actuelle que les auteurs décrivent comme : « An improved version of the original WebCorp, designed to search the web for concordances in real time » est effectivement plus rapide et vaut la peine d'être utilisée.

Voir la liste des améliorations apportées ici.

WebCorp est un concordancier que Wikipedia définit comme suit : « Le concordancier ou logiciel de concordance est un outil de référence très utile aux linguistes qui permet de faire la recherche dans un corpus d'un mot accompagné de son contexte, que ce soit pour attester son usage ou l'étudier. » Le concordancier est un outil inégalé pour déterminer le sens des termes à traduire. Dans le cas de WebCorp l'attrait est que l'on se sert de la puissance de Google et des autres moteurs pour les adapter à une interrogation plus langagière.

Voici des citations sélectionnées du menu d'aide de WebCorp :

« WebCorp is a suite of tools which allows access to the World Wide Web as a corpus - a large collection of texts from which facts about the language can be extracted. »

Mon commentaire : il n'y a pas de corpus plus vaste que celui du Web et le fait de pouvoir l'interroger avec un concordancier est vraiment un atout. Cet outil est plus polyvalent que l'interface des moteurs courants puisqu'il présente comme résultat le mot ou l'expression interrogés dans leur contexte (sans les images, etc.). Une sélection peut être faite du nombre de mots en aval et en amont du terme interrogé (20 mots, maximum de mots ou la phrase est entièrement affichée).

« WebCorp works 'on top of' the search engine of your choice, taking the list of URLs returned by that search engine and extracting concordance lines from each of those pages - examples of your chosen word or phrase in context. All of the concordance lines are presented on a single results page, with links to the sites from which they came ... »

Voici un exemple d'interrogation dans WebCorp :

http://en.wikipedia.org/wiki/Heat_detector
Plain Text Word List

Wikipedia, the free encyclopedia Jump to: navigation, search Mechanical heat detector, both rate of rise and fixed temperature operation. A heat detector is a device that responds to changes in ambient temperature. Typically, if the ambient temperature rises above a predetermined threshold
normal baseline condition. Any sudden temperature increase that matches the predetermined alarm criteria will cause an alarm. This type of heat detector can react to a lower threshold condition than would be possible if the threshold were fixed. A typical alarm may
detectors are not meant to replace smoke detectors in the bedrooms or in the hallway outside of the bedrooms. A heat detector will nonetheless notify of a fire in a kitchen or utility area (i.e., laundry room, garage, or attic), where
detectors are not interconnected, heat activation identifies the location of the fire, facilitating evacuation from the home. Each type of heat detector has its advantages, and it cannot be said that one type of heat detector should always be used instead of
that one type of heat detector should always be used instead of another. If you were to place a rate-of-rise heat detector above a large, closed oven, then every time the door is opened a nuisance alarm could be generated due to
fixed threshold detector would probably be best. If a room filled with highly combustible materials is protected with a fixed heat detector then a fast-flaming fire could exceed the alarm threshold due to thermal lag. In that case the rate-of-rise heat detector
heat detector then a fast-flaming fire could exceed the alarm threshold due to thermal lag. In that case the rate-of-rise heat detector may be preferred. [edit] See also Fire alarm Flame detector Aspirated smoke detector Carbon monoxide detector Manual

Mon commentaire : les coupures de textes qui précèdent proviennent de pages Web. Le terme demandé est en contexte et selon le format de sortie choisi le texte peut être plus ou moins brut (en partcilulier format .txt). À remarquer les deux formats de sortie : Plain Text et Word List. Ce dernier format génère un liste de la fréquence d'emploi des mots dans le texte.

Dans l'exemple qui précède, toutes les occurrences du terme interrogé « heat detector » sont hyperliées et cliquables. Chaque lien renvoie à tout le texte original dans lequel le terme est mis en surbrillance. Voici un exemple :

« Each type of heat detector has its advantages, and it cannot be said that one type of heat detector should always be used instead of another. If you were to place a rate-of-rise heat detector above a large, closed oven, then every time the door is opened a nuisance alarm could be generated due to the sudden heat transient. In this circumstance the fixed threshold detector would probably be best. If a room filled with highly combustible materials is protected with a fixed heat detector then a fast-flaming fire could exceed the alarm threshold due to thermal lag. In that case the rate-of-rise heat detector may be preferred. »

Voici d'autres textes du menu d'aide de WebCorp :

« WebCorp is designed to retrieve linguistic data from the Web: concordance lines showing the context in which the user's search term occurs. In response to a user query, standard search engines return a list of URLs (page addresses), along with a description of or some text from each page to help the user decide which pages are most useful. To view the pages, the user must click on each of the links individually ... »

« Google is an excellent search engine but it is not designed as a corpus linguistics tool and is not ideal for this purpose. WebCorp contains options (customisable concordance span, output format, etc) specifically designed for linguistic research. »

Mon commentaire : WebCorp utilise des métacaractères (wildcards) très utiles pour l'interrogation terminologique. On trouvera une liste et des explications ici. Google offre de moins en moins de possibilités pour l'interrogation terminologique par l'utilisation de certains tiers entre le moment du lancement de la requête et la présentation du bilan. Pour ne citer qu'un exemple Google ne tient pas compte des majuscules, ce qui n'est pas le cas pour WebCorp.

Dans le but de limiter l'interrogation à une domaine précis, il est possible possible d'utiliser des filtres.

« Site Domain: This option, when used with the Google, AltaVista, Live Search or Ask search engines, allows you to restrict your search to all of the pages on an individual website or all sites with a given domain.

To search all of the pages on an individual site enter the URL without the 'http://' part. For example, enter www.bbc.co.uk to search all pages on the BBC web site.

To restrict the search to sites with a given domain, enter part of a URL. For example, entering .ac.uk will restrict the search to UK academic institutions, while entering .fr will restrict the search to web sites in France.

Newspaper Domains: This option allows you to restrict your search to a pre-defined set of newspaper websites (currently UK broadsheets, UK tabloids, French newspapers, US newspapers). If selected, these choices override any filter entered into the Site Domain box.

Textual Domain: This option allows you to restrict your search to web pages included in a particular category in the Open Directory (the Yahoo-like web index at http://www.dmoz.org). »

Le menu d'aide de WebCorp est à découvir je vous invite à le lire pour mieux profiter de cet outil très utile.

Et Wapiti alors ! Wapiti est un navigateur qui permet d'afficher trois pages différentes en même temps de manière à pouvoir comparer des données terminologiques. On peut télécharger Wapiti ici. Voici une manière de combiner WebCorp et Wapiti qui peut être intéressante.

Afficher Wapiti en mode deux fenêtres avec WebCorp à gauche et à droite.

Le terminologue qui rédige une fiche multilingue doit attester l'équivalence des termes en se basant sur la correspondance des définitions dans chacune des langues. Il est donc possible avec l'affichage qui précède de rechercher des occurrences du terme de la langue de départ et de les comparer avec des équivalents possibles de la langue d'arrivée à droite. Exemple : on peut déduire par exemple que l'équivalent possible de « bookmark list » est « liste de signets » : demander les deux termes à gauche et à droite afin de repérer des définitions ou contextes que l'on peut recouper.

http://www.webcorp.org.uk/wcadvanced.html?

portail de recherche terminologique

2008-10-20T09:14:00.000-07:00

Le Portail de recherche terminologique Eurêka que je créais en 2006 est ici.

Il n'a pas été mis à jour depuis au moins deux ans. J'ai intention de le relancer en apportant des corrections à l'interface de présentation et au contenu. Je pense qu'il est très important de collectionner les nombreuses ressources terminologiques disséminées sur le Web et surtout de les rassembler dans une seule page afin de rendre leur consultation plus conviviale.

Concernant l'interface il me semble que la présentation actuelle (ou tout autre qui pourrait y ressembler) est efficace, le principe étant « choisissez votre ressource terminologique dans le cadre gauche et affichez-la dans le cadre droit pour l'y consulter ».

Un affichage monopage est à mon avis plus utile qu'une liste de signets à cause du nombre réduit de manipulations de la souris et du clavier. La portail de recherche terminologique accessible dans le lien ci-haut m'apparaît sans égal du point de vue de facilité de consultation ; si quelqu'un a d'autres idées, prière de faire un commentaire dans la section commentaire de cette page.

Je suis personnellement constamment à la recherche de ressources langagières pour les besoins de la liste Eurêka. D'autres membres diffusent aussi des adresses fort utiles dans la liste. Dans toute cette abondance il importe de colliger, d'ordonner, de mettre à jour, etc.

Je pense aussi qu'il faut se servir de la force que représente les 700 membres de la liste Eureka et offrir dans cette page multi-interrogations un formulaire qui rende plus facile la soumission de ressources à inclure dans le portail. Une seule personne ne peut arriver à circonscrire aujourd'hui les ressources du Web, même pour un sujet précis, c'est pourquoi la collaboration de tous est capitale.

Sur le contenu je compte me limiter aux ouvrages exclusivement langagiers comme les banques de terminologie, les dictionnaires généraux unilingues ou multilingues, etc. et laisser tomber certains sites actuellement dans le portail.

Mon but ultime est que cette page devienne naturellement par son efficacité «la page préférée » des langagiers.

Je vous invite à faire vos commentaires sur ce sujet qui m'apparaît comme très important.

-----------------------------------------

Abonnez-vous à la liste Eureka

Robert Dubuc, père de la terminologie au Canada

2008-10-16T14:47:00.001-07:00

Je reproduis ici des extraits de l'allocution de Robert Dubuc à
l’occasion de la Journée mondiale de la traduction.
M. Dubuc a parlé de la passion des pionniers de la terminologie pour leur profession et de la nécessité de veiller au grain pour éviter le babélisme.

« Ces deux initiatives [la création de l’Office de la langue française et du Comité de linguistique de Radio-Canada] ont entraîné une fièvre d’actualisation du français d’ici et une prise de conscience de la nécessité de le mettre au diapason du français utilisé ailleurs dans le monde. Il est vite devenu évident que cette opération de mise à jour n’était pas réalisable sans un travail terminologique systématique et rigoureux. Il fallait pouvoir nommer en français les réalités du monde professionnel, technique et administratif. »

« Ce besoin de l’efficacité de la communication a été à l’origine des mouvements de normalisation et de mise en ordre des terminologies. Les terminologues ont ressenti plus que quiconque les risques du babélisme au sein des langues de spécialité. Aussi ont-ils été à l’origine des comités de terminologie dans de nombreux domaines : comptabilité, relations professionnelles, droit, médecine, pharmacologie et autres. Dans ces comités, terminologues et spécialistes ont joint leurs efforts pour rationaliser leur terminologie. »

« Le premier effet [de la terminologie] est, sans contredit, la création d’une école de terminologie dont le rayonnement s’est fait sentir de par le monde. Cette école se distingue d’abord par son enracinement dans la réalité même des spécialités en intégrant les spécialistes au travail terminologique, ensuite par l’importance accordée à la situation de communication et enfin par la nécessité de la validation rigoureuse des données. »

« Un dernier effet a été l’encadrement professionnel de la pratique au sein des professions langagières, grâce auquel la terminologie est devenue une profession dûment reconnue. »

« La grande révolution dans le travail terminologique est sans conteste l’arrivée de l’informatique et de son rejeton Internet. Ces innovations technologiques ont non seulement permis l’accélération du travail de recherche, mais encore ont donné un accès illimité à la documentation et ouvert des possibilités inespérées de diffusion et d’utilisation des données terminologiques. »

« Par contre, elles comportent aussi des risques. Elles donnent également accès au meilleur et au pire et, tentation de la facilité aidant, on peut escamoter volontiers la validation des sources. Il peut s’en suivre l’implantation d’une terminologie de calque qui risque de parasiter et même de détruire la terminologie de souche. Le cas échéant, il en résulterait un babélisme insidieux, car il est dans la nature même des langues de nourrir leurs terminologies de leur humus culturel. De ce fait, la transparence interlangue des termes devient impossible. »

« Prenons un exemple terre à terre emprunté au vocabulaire des outils de cuisine. La petite brosse dont on se sert pour recueillir les miettes laissées sur la nappe par les convives s’appelle en anglais silent butler. On décèle dans ce terme l’importance accordée aux serviteurs dans la culture anglo-saxonne. En français, ce dispositif se nomme ramasse-miettes, terme qui met l’accent sur sa fonction. Le calque, dans l’un ou l’autre sens, n’aurait plus aucun enracinement réel. La terminologie de calque connote donc une artificialité difficilement compatible avec la vie du langage. Les terminologies doivent avoir un nécessaire enracinement culturel. »

« Pour conjurer ces dangers, tout en profitant des avantages de la technologie informatique, il faut pouvoir compter sur des terminologues bien formés et tout aussi passionnés que les pionniers. »

« Il faut donc lancer à la relève le défi de la passion! »

SOURCE : dermier bulletin de nouvelles de l'OTTIAQ (L'antenne)

Dépouillement terminologique machine

2008-10-16T14:05:00.000-07:00

Je me souviens il y a quelque années d'avoir assisté à une démonstration du logiciel Nomino qui m'avait beaucoup impressionné. Ce dépouilleur peut consigner en un temps record les unités terminologiques d'un texte sans aucune intervention humaine.

Voici des exemples d'unités terminologiques relevées par Nomino :

volaille
volaille_cuite
volaille_d_élevage
volaille_domestique
volailles_domestiques
volailles_domestiques_infectées
volailles_infectées
------
maladie_fréquente
maladie_infectieuse
maladie_respiratoire
maladie_respiratoire_fréquente
--------------------

influenza_aviaire
influenza_aviaire_H5N1
influenza_H5N1

---------------------------

pandémie
pandémie_de_grippe
pandémie_de_grippe_aviaire

------------------------------

Dans ces exemples on peut voir en gras des unités terminologiques pertinentes qui pourraient faire l'objet d'un choix humain. Tout de même impressionnant pour une machine !

Sur les bitextes et les multitextes

2008-10-16T10:24:00.000-07:00

Les bitextes et les multitextes sont des sites qui permettent une navigation multilingue et en texte intégral. Les pages multitextes contiennent des libellés hyperliés vers une ou plusieurs langues d'arrivée. Ils sont souvent présentés sous forme de moteurs de recherche, à navigation thématisée ou par mots clés, qui repèrent les termes dans des pages où on trouve des liens qui conduisent aux pages équivalentes dans diverses langues d'arrivée. Le site du moteur de recherche principal du Gouvernement canadien est un excellent exemple de ce type d'interface.

L'avantage des multitextes par rapport aux sites spécifiquement langagiers comme les banques de terminologie et les dictionnaires est que l'on y a accès à tout le texte (tournures de phrases, phrasèmes, périphrases, etc.) et non pas seulement à certaines parcelles de textes idélimitées par les règles de rédaction d'une fiche terminologique. Dans la plupart des banques de terminologie et dictionnaires les fiches sont produites à partir d'un découpage de texte qui prive l'utilisateur du macrocontexte.

Les multitextes devraient être interrogés après les banques de terminologie du point de vue de l'importance à accorder aux ressources lors d'une démarche terminologique visant à trouver des équivalents.

Le travail concret du terminologue

2008-10-15T14:37:00.001-07:00

Note : Les citations (entre guillemets et en italiques) de ce texte proviennent de la publication suivante : Le Pavel, didacticiel de terminologie une publication du Bureau de la traduction sur les méthodes de recherche terminologique utilisées par cet organisme.

«La terminologie est une branche multidisciplinaire de la linguistique appliquée qui étudie les concepts et leur représentation en langues spécialisées. »

Le travail du terminologue commence souvent lorsque les dictionnaires généraux (Petit Robert, Larousse) ne donnent pas de solutions satisfaisantes aux usagers d'une langue qui doivent, dans les domaines spécialisés, décrire la réalité. On peut penser par exemple au terme « signet » dont le sens s'est étendu par analogie au marquage d'une page Web. Ce terme n'est pas apparu immédiatement dans les dictionnaires généraux mais plutôt dans les banques de terminologie dont la mise à jour est instantanée.

Le terminologue doit sans cesse suivre l'évolution de la langue qui décrit une réalité qui change constamment. Le terminologue doit consigner tous les néologismes de sens et tous les néologismes lexicaux au profit des traducteurs qui sont sur la ligne de feu de la langue spécialisée. Voici essentiellement en quoi consiste le travail du terminologue :

« délimiter et extraire les unités terminologiques dans une documentation spécialisée sélectionnée selon des critères communément acceptés dans le domaine d'emploi concerné
établir des dossiers terminologiques pour les termes repérés en vue d'élucider les cas problèmes
analyser les caractéristiques des concepts désignés par ces termes et les structurer en systèmes conceptuels
rédiger des définitions concises et précises pour les concepts ainsi systématisés
participer dans des comités de normalisation qui adoptent par consensus les termes recommandés pour chacun des concepts étudiés
créer des produits terminologiques (fiches, normes, vocabulaires, bases de données) pour partager et diffuser la terminologie retenue ou recommandée »

Le terminologue est un enquêteur de la langue spécialisé, il constate l'usage, il l'atteste. Concrètement il effectue les tâches suivantes :

« le dépouillement terminologique de textes spécialisés,
le repérage de termes,
la recherche terminologique ponctuelle ou thématique,
l'établissement de dossiers terminologiques aux fins de la normalisation,
le travail en comité de normalisation,
l'enregistrement systématisé des données pertinentes sur des fiches terminologiques,
la gestion de contenus terminologiques et leur diffusion. »

Ferdinand de Saussure

2008-10-15T13:50:00.000-07:00

Ferdinand de Saussure, linguiste suisse, fait la distinction entre la langue, le langage et la parole.

La langue est l'ensemble des signes linguistiques ou l'empreinte psychique du mot (mots écrits ou parlés, phonèmes, intonations, lettres) utilisés par les usagers. Le langage est la faculté de pouvoir s'exprimer au moyen de signes. La parole est l'utilisation concrète des signes linguistiques dans un contexte précis. De la parole d'un ensemble d'individus provient le langage social et culturel d'une communauté à partir d'un système arbitrairement établi de signes que l'on nomme la langue.

Saussure a traité de l'arbitrarité du mot. Ce n'est que par convention que le mot « table » désigne la notion que l'on connaît. Le jumelage du signifiant et du signifié n'a de valeur que si les usagers d'une langue le reconnaissent. Ils doivent aussi accepter les règles qui régissent les relations entre les mots c'est-à-dire la syntaxe, la grammaire, etc..

La grande innovation de Ferdinand de Saussure a été de distinguer le signifiant et le signifié. Le signifié est le concept c'est-à-dire la représentation mentale d'une chose, ce qui fait qu'on peut savoir ce dont il s'agit sans être en présence concrète de cette chose. Le signifiant c'est le mot écrit ou parlé qui nous permet de communiquer des signifiés. Le signifiant et le signifié sont étroitement reliés et destinés à véhiculer les messages qui permettent la communication.

Souvenirs d'une époque

2008-10-13T14:58:00.001-07:00

Les principes de base de la terminologie n'ont pas réellement changés. Les moyens pour accomplir le travail du terminologue ont cependant beaucoup évolués.

Je me souviens de mes premiers pas comme terminologue au Bureau de la traduction. Parallèlement à des cours de terminologie timidement structurés, nous relisions les fiches cartonnées de traducteurs afin de créer un fonds terminologique pour la première version de TERMIUM. Nous étions jeunes et notre passion était grande à l'idée d'être les initiateurs d'une des premières banques de terminologie au monde. Chaque traducteur avait alors son propre fichier personnel annoté et le but de la banque était de mettre le travail de recherche terminologique de chacun à la portée de tous. Il paraît illogique, au niveau d'une organisation, de ne pas pouvoir profiter du travail, de l'expérience et des compétences de tous.

Buts et objectifs de ce carnet

2008-10-11T07:30:00.000-07:00

Ce carnet traite de la terminologie dans ses principes et ses méthodes. Il pourrait donc répondre à la question suivante : Qu'est-ce que la terminologie ? Comme il est impossible aujourd'hui d'être terminologue sans passer par le Web une grande place sera faite à la techno-langagerie. Yvan Cloutier, terminologue