Lors de la quatrième séance, l’une des participant·e·s a souhaité avoir des informations par rapport à des corpus en langue française. Il n’y en a pas des masses mais voici quelques pistes :
- Tout d’abord, il convient de mentionner ORTOLANG, un répositoire de corpus majoritairement en langue française.
- Le site Corpus-based Linguistics Links, initié par David Lee et géré dorénavant par Martin Weisser, recense les ressources et les outils autour des corpus. L’une des sections est réservée aux « non-English Corpora ».
- Sketch Engine (Kilgarriff et al., nd) donne accès aux corpus suivants (dont le premier aussi disponible via l’interface gratuite KonText) :
| Noms | Tokens |
| Araneum Francogallicum Maius [2015] | 933,688,995 |
| CHILDES French Corpus | 2,583,460 |
| DGT, French | 58,224,781 |
| EUR-Lex French 2/2016 | 677,063,993 |
| EUR-Lex judgments French 12/2016 | 48,023,524 |
| EUROPARL7, French | 59,145,988 |
| Frantext (French literature of the 18th-20th century) | 15,573,070 |
| French web corpus (v2 with lempos) | 104,705,211 |
| OPUS2 French | 766,833,908 |
| Timestamped JSI web corpus 2014-2016 French | 1,870,341,756 |
| Timestamped JSI web corpus 2014-2017 French | 2,761,232,776 |
| Timestamped JSI web corpus 2018-01 French | 73,327,605 |
| Timestamped JSI web corpus 2018-02 French | 13,414,017 |
Il y a donc peu de corpus réflexifs (Rastier, 2004), c’est-à-dire, dédiés à un genre textuel ou un discours en particulier.
Sur Sketch Engine, on apprend ceci concernant les Timestamped JSI web corpora :
The French Timestamped Corpus is a French corpus made up of news articles gained from their RSS feeds. The corpus consists of news articles gained from newsfeed created by Jozef Stefan Institute, Slovenia (Trampus et al 2004). The JSI Timestamped French corpus is a clean, continuous, real-time aggregated stream of semantically enriched news articles from RSS-enabled sites across the world. The corpus is updated with new texts daily.
Référence
Kilgarriff, Adam, Rychly, Pavel & Pomikalek Jan (nd). Sketch Engine. Système de gestion de corpus.
Rastier, François (2004). “Enjeux épistémologiques de la linguistique de corpus“. Texto !, juin 2004. Rubrique Dits et inédits.
OpenEdition vous propose de citer ce billet de la manière suivante :
Eva Lacroix (5 février 2018). A la recherche de corpus en langue française. Initiation à TXM. Consulté le 26 juillet 2026 à l’adresse https://doi.org/10.58079/qcpf