1.      II.4.1.  l’ angle d’approche

Le fait de disposer d’un catégoriseur pose la question de son utilisation et de sa destination. Les références à ses emplois se poursuivent tout au long des chapitres qui composent ce travail. Celui-ci s’efforce d’être lui-même constitué comme ressource, où son ossature rend accessible les données grammaticales ou sémantiques, réflexions linguistiques ou informatiques.

Pièce d’un ensemble plus complexe, le code informatique du catégoriseur s’intègre à un projet de programmation. Par exemple, la traduction est un cap concret aboutissant à une application à finalité pratique, extérieure à l’expérimentation ou à l’informatique. Les moteurs de recherches linguistiquement structurés sont beaucoup plus abstraits, mais d’une perspective tout aussi intéressante. À ces usages le catégoriseur n’est pas une fin en soi, il est perçu comme constituant.

Un regard intellectuel sur le programme, laissant de côté ses utilisations, attire notre attention sur son analogie avec l’humain, puisqu’il résout un aspect de la langue, manifestation de l’intelligence. Le fait qu’un écrit soit traité comme tel par un ordinateur permet d’envisager le catégoriseur en tant qu’objet, n’impliquant pas les ressources qu’il crée ou utilise, mais l’architecture elle-même, son algorithme ou ses règles.

L’exploitation des ressources fabriquées est diverse dans la mesure où il enrichit le texte en le faisant passer de sa dimension lexicale à celle de discours. Les ressources deviennent distinctions potentielles entre phonèmes, signifiés, fonctions... si bien que le catégoriseur est un outil, et ses textes modifiés, des produits. Cet ensemble d’informations sur un mot en usage converge en direction d’un phénomène bien connu appelé ambiguïté.

Ces façons d’envisager le catégoriseur : constituant, objet et outil sont autant de possibilités de rédaction sur le sujet. La spécialité qui est à l’origine du présent travail étant les sciences du langage, c’est le dernier qui retient notre attention. Il n’en serait pas de même si l’environnement avait été les sciences cognitives, les mathématiques ou l’informatique, par exemple si la technique de catégorisation était beaucoup plus aboutie, aux portes d’une traduction, impliquant l’intégration du constituant.

Comme décrit au chapitre suivant, il y a nombre de façons d’envisager le phénomène de l’ambiguïté. Sa levée est un aspect de nos travaux, ou précisément une conséquence, car tout dépend de l’usage des ressources. Sa description est donc plus un éclairage aux difficultés et à l’intérêt de la catégorisation qu’un réel but, passant au second plan, derrière les considérations grammaticales.

 2.      II.4.2.  un usage littéraire

À partir des lambeaux de phrases d'un jeune berger ne filtre pour une nymphe malheureuse que le seul sens de son amour. L'ambiguïté, née des exigences de la langue, subsiste aussi dans la parole accomplie, rempart contre les cyclopes qui sauve au moment critique le navigateur Ulysse de leur fureur. Parmi les familles de mots les plus exposées s'affirme sans ambage le patronyme, multiple par définition, creuset de l'identité. Un aristocrate amenant dans leurs derniers retranchements l’égocentrisme et le cynisme, même, s’y fait rattraper. « Devant quel Dorian ? Celui qui nous sert présentement le thé ? Ou celui du portrait ? » (Le Portrait de Dorian Gray, Oscar Wilde) ; « À peine fus-je entré qu’il se précipita vers moi, et, me saisissant par le bras avec un geste impératif d’impatience, me chuchota à l’oreille ces mots : William Wilson ! » (Wiliam Wilson, Edgar Allan Poe). Les personnages, immanquablement éponymes, pour le dernier acte du drame, ne parviennent plus à l’écart. La fuite fantastique s’interrompt face à un miroir frappé de sang, et un portrait maculé d’horreur, la ressemblance devient impossible, et la réunion s’estompe dans les allures d’un suicide.

Usée comme expression subtile de l’intelligence qui offre jusqu’à la séduction d’un roi, et permet qu’un provincial parvînt enfin à se rapprocher de Louis XVI le mettant au défi de l’improvisation d’un trait d’esprit, s’emparant tout autant du flou du défi que du statut du destinataire : « Sire, le roi n’est pas un sujet. » (extrait du film Ridicule, Patrice Leconte). L’ambiguïté, qui ne dit pas son nom, n’est pas à la cour un simple jeu de mots, car elle s’appuie sur le contexte et le sens, certainement plus nobles que de vulgaires contrepèteries, bricolage de syllabes, ou des ribambelles de paronymes, détournement de morphologie, moquerie, parodie de culture : « Lecornu ! Gilles Lecornu ! disaient les uns - Cornutus et hirsutus, reprenait un autre. » (Notre-Dame de Paris, Victor Hugo), s’exclame le public dans le tohu-bohu d’une représentation théâtrale, au cours des premières pages de Notre-Dame. L’analogie n’est plus le pur homographe mais le stock inépuisable des formes approchantes.

Double sens pour un énoncé unique, les conséquences sur une histoire dépendent de la façon dont elle est perçue, parfois l’un, parfois l’autre, ou les deux en concomitance, créant un nouveau sens, une nouvelle portée, le temps d’un contexte, d'une juxtaposition. Elle se scinde en antonymie : « De Nuremberg à Nuremberg », documentaire rappelant la ville qui s’est vue couverte des étendards nazis puis celle où se clôt le régime par son procès. Le titre n'est pas une ambiguïté à proprement dit, paronomase par la syntaxe, gradation par les prépositions, et finalement oxymore, il n'en demeure pas moins que celle-ci ne se saisie qu'à la compréhension des évènements historiques. Antithèse de fait, mais aussi visuelle, entre contraste des milliers de membre du parti soigneusement alignés et leurs quelques chefs serrés sur le banc du tribunal, qui amène en début de requête d'un moteur de photo pour deux premiers résultats, les deux scènes. En leur absence, cette construction est une simple répétition, trop évidente pour ne pas suggérer la nécessité d'un éclaircissement. Tout insertion de « Nuremberg » privée de sa « parade » ou de son « procès » amène une possible ambiguïté, un distinguo entre l'ère, capitale, de l'émersion et celle, notoire, de la justice.

À l’inverse, le phénomène atteint son paroxysme dans la fusion des points de vue, dans l’ambivalence, lors du dernier paragraphe de l’épilogue des Chroniques martiennes. Le lecteur ne saisit pas très bien l’identité des Martiens, si les colons sont désormais Martiens d’adoption, originaires d’une Terre ayant achevé sa guerre nucléaire, ou natifs de la planète rouge, ayant endossé par leur faculté extrême de mimétisme le rôle de Terrien. L’auteur use de cette symbolique du reflet : « Pendant un long, long moment de silence, à leurs pieds, les Martiens soutinrent leurs regards, dans la moire ondulante de l’eau. » (Chroniques martiennes, Ray Bradbury). Et à son tour le mot devenu ambigu charge un peu plus le contexte de l’incertitude.

Scission, fusion, confusion, d’Homère à Bradbury, l'ambiguïté démontre sa permanence dans la langue à travers la variété d’un de ses motifs : le détournement de l’identité, manifesté dans un trope et confiné dans un mot.

 3.      II.4.3.  un phénomène linguistique

Changement d’angle de perception du sens, les ambiguïtés se manifestent de multiples façons. Elles sont avant tout un fait de lexique : « Un phénomène inhérent aux langues, l’ambiguïté, est encore un enjeu de la liberté de l’énonceur. Il existe des ambiguïtés lexicales, liées à la disproportion entre l’inventaire lexical des langues et la masse illimitée des objets du monde. [...] L’ambiguïté est partout. » (Hagège, 1986 : 335). La numération, qui repose sur un découpage a priori parfait, n’empêche pas que leurs représentants admettent un seuil d’incertitude : « une dizaine » ou un tout autre sens : « neuf ».

Ses potentialités étant importantes, une partie d’entre elles sont inévitables, d’autres coïncidences, ou inhérentes au vocabulaire même, comme le référent des pronoms personnels. Vraisemblablement pour partie inconscientes, le contexte tâchant de charger le mot ou le syntagme, en supposant que le locuteur élimine celles qui se manifestent de manière saillante : « Je ne supporte plus cette équipe. »

Elles semblent posséder leur logique, l’adjectif « candide » n’apparaît jamais dans l’œuvre éponyme. La dimension informatique écarterait cette caractéristique dans un vaste corpus sur le XVIIIème incluant le récit, ou la rendrait plus incertaine dans un autre écrit y faisant référence : « [...] la demande selon les grands principes de la mondialisation est une vue de Candide. » (Le Monde, 06.11.1999).

Le phénomène est aussi d’ordre syntaxique : « Toute personne a le droit de circuler librement et de choisir sa résidence à l'intérieur d'un Etat. » (DUDH, Article 13). La différence opère au niveau du syntagme « à l'intérieur d'un Etat » qui peut être circonstanciel de lieu lié au verbe immédiat ou à l'ensemble de la phrase. Il est par ailleurs possible de ramener ce cas au palier du lexique pour une valeur de la conjonction et ainsi à un degré de précision de la catégorie plus affiné : le mot-outil est le coordonnant soit de deux propositions, explicites, soit de deux groupes verbaux, avec éventuellement un circonstanciel implicite : « Toute personne a le droit de circuler librement /partout dans le monde/à l'intérieur d'un Etat/ et de choisir sa résidence à l'intérieur d'un Etat. » D'un point de vue littéraire, la clarté de la structure souhaitée pour un article de loi fondamentale, à vocation universelle, interdirait idéalement tout flottement, et impliquerait une référence au contexte pour l'éclairer, non pour le clarifier. Par rapport au contexte, de la dite déclaration et de l'esprit de celles antérieures, la circulation est garantie pour tout homme entre et dans tout pays, puisque ramenée à la notion de la liberté, avec probablement les majorations dues aux dispositions et des concessions accordées en rapport à la loi du dit pays. Peut-être même que le bon usage, censé clore toute tergiversation, voudrait que l'on évite cette construction grammaticale, en tout cas de faire coexister au sein d'un énoncé, la solennité d'une thématique et la précision d'une de ses spécifications. L'attention portée à la formulation d'un morceau d'un texte aussi essentiel voit les ramifications de l'ambiguïté grammaticale dans le sens motivées par un contexte, celui géopolitique de la mondialisation, à une époque où commençait tout juste à s'imposer celle de la décolonisation.

Ainsi, le discours joue de l’ambiguïté comme l’antanaclase, la risque lors d’une aposiopèse, la recèle lors d'une énumération... figures de style qui ne manquent pas, quelque soit le registre. Notre approche est celle de la catégorie et de son détail : l’ambiguïté catégorielle relève d’une même forme pour une catégorie ou un trait distincts. C’est un déplacement du pronom au nom qu’avait opéré la parole du roi d’Ithaque. Ici, la distinction entre les deux mots est claire, la résolution moins évidente, et le repérage de l'ambiguïté est subtile, et donc opaque pour l'ordinateur. C'est un trouble dans l'extension du coordonnant pour un article de loi, et qui appelle des commentaires contextuels, littéraires et normatifs. Dans ce cas, la distinction est fine, la résolution est impossible pour l'ordinateur, mais son repérage simple de par une construction élémentaire.

Une forme possède un degré d’ambiguïté intrinsèque, et aussi selon la précision accordée au sens : « J’ai pris l’autobus à deux heures [...]. J’étais un peu étourdi parce qu’il a fallu que je monte chez Emmanuel pour lui emprunter une cravate noire et un brassard. » (L’étranger, Albert Camus). L’on peut considérer dans un premier temps la polysémie de « étourdi » entre le trait de caractère distrait, nominal, et l’effet physiologique d’étourdissement, adjectif, et dans un second temps plus précis, avec son aspect temporel, entre procès en cours, passivation, l’étourdissement progressif, et l’état résultatif, adjectif, qui est le sens de l’énoncé. Pour la première phrase de notre énoncé, le sens du verbe est initialement la saisie d’un objet, et il se comprend entre autre comme l’usage à des fins de locomotion, la présence du « bus », du même champ lexical, à proximité immédiate paraît un indice suffisant. Il n’en n’est pas de même pour l’indication de l’heure dont on ignore si elle est diurne ou pas, et qui implique une recherche beaucoup plus complexe dans et même autour du texte, qui tient en somme du contexte.

 4.      II.4.4.  un enjeu numérique

Synthèse de la parole, correcteur orthographique, veille technologique... les justifications d'une résolution ne manquent pas. Autrement dit, cette énigme lexicale appartient aussi à la communication numérique, et mérite d'être appréhendée par les applications qui la soutiennent, entre autres notre navigateur.

Une affaire est emblématique d’un télescopage entre les dimensions économiques, numériques, linguistiques et juridiques. Pour ce dernier, il n’y pas de place au flou du mot et des propos, et lorsqu’il se fait jour, l’autorité doit apprécier le degré de diffamation, de négation, de propriété, d'apologie... Un tribunal en France, il y a quelques années, pour un site intitulé milka.fr, a dû décider et même trancher. Il a fait valoir la primauté d’un dépôt de nom de marque sur un achat de nom de domaine. Cette forme est passée d’un propriétaire à un autre, et le principe en vigueur sur la toile : “ premier arrivé premier servi ”, a été remplacé par celui non moins arbitraire de “ logique diachronique  ”. La promiscuité de la forme pour profusion de sens s’est manifestée en une dualité dans le domaine numérique.

Imaginons une page où l’on pourrait aller soit chez la commerçante en couture (son prénom, 1er propriétaire) soit chez le fabriquant de chocolat (la marque, 2e), exactement comme des entrées dans le dictionnaire, pour peu que tout y soit cohérent, reflet parfait de la société et de la langue, maturité certaine qui tamise l’importance du nom de domaine, en offrant la coexistence de la forme et de ses significations, comme dans tout bon annuaire. Mais les moteurs de recherche sont ce qu'ils sont, et l’accès à un site par un nom de domaine est univoque. Ce dernier principe est linguistiquement risqué, car le système devient logographique : chaque contenu correspond à un mot et un seul. Aucune adresse postale ne possède un mot, ce serait aberrant ou insolite, mais l’informatique le permet, par conséquent la simplicité est apparente. L’informatique entre en conflit avec la linguistique puisqu’elle ne tient pas compte d’un de ses fondements, l’ambiguïté. Elle envisage seulement des sorties, par exemple l’hyperonymie, chocolat-milka, et opère une petite modulation avec les extensions. Un fichier peut se renommer à loisir, pas une adresse.

Le nom de domaine n’a pas l’apanage de l’accès, possibilité parmi d’autres d’arriver au contenu. Il faudrait être en mesure d’apprécier si l’absence d’accès par ce nom de domaine est susceptible de porter préjudice, et cela semble compliqué. D’autant que milka.fr est demeuré une redirection jusque vers 2008. Ce n’est pas rien car le principe de notoriété, essentiel, comme le sait tout bon webmestre, qui fait qu’un site s’identifie à son nom de domaine, impliquant sa stabilité lexicale, n’a pas été respecté.

C’est la multiplicité des canaux d’accès à un site qui pourrait alléger les problématiques voisines comme les paronymes, (www.gogle.com redirige sur www.google.fr), les extensions de plus en plus nombreuses et complexes, les sous-domaines permettant la suppression du www, les mains basses sur les génériques et les prénoms, la nécessité d’un statut juridique aux noms de domaine, ou qui pourrait éviter qu’une entreprise éveillée tardivement à l’internet, ne se rattrape par un procès.

L’utilisateur lambda ne s’essaye guère à saisir directement une adresse dans la barre du navigateur, sauf s’il la connaît telle quelle. L’on relève pêle-mêle que l'annuaire hiérarchique des début de Yahoo a été remplacé par une barre d'icones, celui de Google n'apparaît plus dans sa page d'accueil, et un autre d’abord très usité, DMOZ puis sclérosé, reposait sur un référencement collaboratif ; les nouveaux navigateurs proposent des moteurs de recherches en barre d’outils ; les marques pages, ou favoris, ont attendu longtemps avant d’avoir la côte dans les navigateurs ; la description du site, le metatag, n’est pas à l’honneur non plus dans les robots d'indexation et le rendu des moteurs, et pousse à axer le principe de notoriété sur le nom de domaine. Pourtant l’usage du marque page devient de plus en plus convivial, après inscription, des moteurs de recherche novateurs comme Exalead le propose sous sa page d’accueil de façon très visuelle, celui de Google sobrement, dans son bloc note, et aussi idyllique qu’apparaisse notre mini-annuaire levant une ambiguïté, se développe dans les moteurs une liste de pages phares à l’intérieur même d’un résultat ; une liste de propositions de mots les plus usités selon la saisie et le même principe pour la barre d’adresse de Firefox. Si bien que l'argument d'une immédiateté du service est fragile, car dans sa recherche, l'utilisateur passe toujours par une série de clic ou de séections avant de parvenir à sa destination.

Finalement, les ennuis de la couturière n’ont pas seulement été causés par une firme untel oubliant d’acheter son mot untel, un organisme vendeur esquivant la problématique du nom de marque, mais aussi du peu de manoeuvre en matière d’aiguillage induit par les moteurs et les navigateurs, donnant un poids par trop capital à un simple titre.

 5.      II.4.5.  une difficulté informatique

La difficulté pour un catégoriseur provient des enchaînements de mots ambigus dans un même syntagme, des phrases amplifiées et disloquées, des discours opérant des glissements de catégorie ou des emplois rares qui parasitent un sens commun parce que ramenés au même niveau que les emplois courants. Ces difficultés sont détaillées au cours de la description de la convention qui occupe la partie IV.

Le cas des ellipses lors d’énumérations est significatif quand il s’agit de distinguer un nom d’un adjectif : « Coincé entre les lignes allemandes et les françaises. » ou un temps composé d’un apposé : « Il a allumé son cyclo et aussitôt réveillé le quartier. ». Les phrases amplifiées sont une constante dans l’écrit : « l’amplification joue sur plusieurs séquences textuelles, mais elle peut aussi jouer à l’intérieur d’une phrase. » (Gardes-Tamine, 1998 : 15), manifestés par les enrichissements d’adjectifs, d’adverbes, de propositions sous forme d’incidente, qui contrarient ou brisent la forme canonique, d'importance dans la langue française. Enfin, si plusieurs étiquettes sont envisageables pour les mots pleins, ce sont surtout les mots-outils qui sont susceptibles de variations et qui seront par conséquent étudiés.

Il est possible de quantifier les erreurs laissées par un catégoriseur voire d’établir un panorama de leurs performances  (§ II.1.4.4) ou de leurs méthodes : « Markov models, decision trees, connectionist machines, transformations, nearest-neighbor algorithms, and maximum entropy [...] All of these methods seem to achieve roughly comparable accuracy. » (Brill, 1998 : 1). Mais il convient de conserver à l’esprit la finalité du traitement. Selon celle-ci, le taux de réussite n’est pas primordial : la traduction s’apprécie en terme qualitatif et non quantitatif et certaines analyses statistiques se contentent d’un corpus imparfait. À l’inverse, chaque traitement est soumis à des contraintes : une seule erreur peut avoir des conséquences en cascade sur des traitements ultérieurs et un fort taux de réussite se réduit malgré tout à un mitage du texte. En effet, les tests effectués sur les catégoriseurs annoncent jusqu’à 96% - 98% de mots correctement catégorisés, et pour un hypothétique 99%, à raison d’une longueur moyenne de phrase de vingt mots, nous aurions tout de même une erreur toutes les quatre phrases.

 6.      II.4.6.  un positionnement notionnel

Ce qui est confus pour un locuteur l’est forcément pour l’ordinateur. Mais la saturation d’informations n’est toutefois pas un handicap dans le codage, et un programmeur peut considérer comme quasi-illisible ce qui est limpide pour le compilateur. Dans ce cas de figure, la clarté n’a rien a voir avec l’efficacité. La rigueur et les formalismes d’écriture dans la programmation (déclaration des variables, richesse des commentaires, longueur des fonctions...) sont capitaux pour son exploitation et sa réutilisabilité à long terme, pas pour son exécution à court terme.

L'ambiguïté n'a d'intérêt que si elle concerne la communication et la langue, pas l'information. Ainsi, la connaissance de l'astronomie pour l'énoncé bien connu « Le soleil se lève » révèle son inexactitude, par son verbe, mais ne présente aucune ambiguïté en soi, seul un paramètre : le déterminisme de la modernité, lui confère cette caractéristique. Naturellement, hors discours, pris lexicalement, le verbe peut supposer que le soleil était assis. Tout dépend donc de la conception immédiate que l'on se fait du soleil, soit comme notion d'astre éclairant et réchaufant soit comme concentré énergétique au centre du système solaire.

Un locuteur peut superposer des plans de significations pour éclairer la communication par les intentions, les implications, statuts et relations d’un énoncé, en appelant des sons, des souvenirs, des portraits, des styles... et dire d’un énoncé qu’il est ambigu suppose de savoir pour qui il l’est.

À ce stade, le distinguo entre les deux entités, locuteur et ordinateur, est évident, le premier comprend le sens en nuance, en relation, le second le saisit avec sa seule logique binaire. De plus, le programme délimite une zone de signification latente. Il charrie un plan de compréhension restreint étant donné que la résolution de l’ambiguïté se destine nécessairement à une finalité.

Le terme de « compréhension » s’applique à l’humain, tandis que « catégorisation » s’applique à l’ordinateur. La superposition des deux pourrait se satisfaire de « appréhension », en qu’il contient une limite dans l’intégration d’un fait. Ainsi, une règle de grammaire supposant une difficulté pour la catégorisation et un questionnement pour le locuteur pose un problème d’appréhension, en ce qu’un énoncé comme : « Je suis le dernier. », suppose un doute, à cause du verbe « suivre » qui est trop fréquent pour être éliminé, tandis que « Il étaient à l’arrivée. » reste peu vraisemblable pour « étayer ». Les deux entités se rejoignent et supposent que la même information survienne pour éclairer autant le locuteur que l’ordinateur. Il s’agit d’un seuil qualitatif qui implique pour l’ordinateur que la compréhension demeure impossible, (« dernier » est anaphorique, il peut se rapporter à « je » ect.), que la catégorisation est une opération mécanique et que l’appréhension accepte une incertitude qui laisse à nouveau la place à l’intervention du locuteur.

Il serait inapproprié de parler de « compréhension » pour la machine, trop formel de s’en tenir au seul terme de « catégorisation », et trop flou d’évoquer une « appréhension » sans considérer l’environnement sémantique du concept d’ambiguïté. Le terme d’« ambigu » véhicule deux concepts induisant une certaine perception de l’ordinateur. Son traitement informatique suppose un énoncé calqué sur une perception humaine mais privé de toute intervention, donc autonome, et un plan qui serait celui de phénomènes enracinés, comme la polysémie et donc à vocation sémantique, c'est-à-dire autant de l'intelligence que de la communication. Ce terme devrait dans notre logique se recharger en fonction de deux notions :
- ambigu ? selon un certain point de vue, pour une finalité particulière ;
- résolu ? selon des indices, et aussi des possibilités de sollicitation d’informations.

Ce deux points sont retenus dans notre étude afin d’accorder le phénomène de l’ambiguïté avec la notion de ressources et d’interactivité.

Le mécanisme informatique suppose d’entraîner la forme dans la ronde des catégories. Un même mot pouvant revêtir plusieurs d’entre elles, conservant ou non le sens, les divers degrés de parenté sémantique sont envisagés de la même façon, qu’elle soit nulle avec l’homographe, plus ou moins lointaine pour la polysémie, ou très proche lors d’une différenciation au seul plan syntaxique. La charge d’ambiguïté initiale dans la base (§ III.2.2.) et l’étendue des possibilités de la requête (§ III.1.4.1.) détermine la finesse, le nombre d’extractions possibles de sens et de fonctionnement à partir d’une même forme.

 .7.    Bibliographie

 .8.    Liens