Le projet Concordance : « Étayer la connaissance de la langue tahitienne écrite sur un corpus de textes laïcs du XIXe et XXe siècles »

Entretien avec Jacques Vernaudon, maître de conférences de linguistique générale et océanienne à l’Université de la Polynésie française et Claire Mouraby, directrice de la bibliothèque universitaire de l’Université de Polynésie française, responsables du projet Concordance : « Étayer la connaissance de la langue tahitienne écrite sur un corpus de textes laïcs du XIX^e et XX^e siècles ». Ce projet est porté par l’Université de la Polynésie française et financé grâce à Collex-Persée. Il a débuté en mars 2019 et s’achèvera en août 2021.

Collex-Persée est une infrastructure de recherche en information scientifique et technique, destinée à faciliter l’accès et à favoriser l’usage des collections de bibliothèque par les chercheurs. Elle permet de soutenir financièrement des démarches collaboratives impliquant des chercheurs mais aussi des professionnels de l’information, de numérisation, d’enrichissement de métadonnées, de développement d’autres types de services sur des corpus de documents et des données de la recherche.

 

 

Pouvez-vous présenter le projet Concordance ? Avec qui le menez-vous ?

Le projet Concordance est né d’une collaboration entre plusieurs partenaires : l’Université de la Polynésie française (UPF) et ses composantes internes (l’équipe d’accueil Sociétés traditionnelles et contemporaines d’Océanie, la Maison des sciences de l’Homme du Pacifique, la Bibliothèque universitaire et la direction des systèmes d’information), le Service du patrimoine archivistique et audiovisuel de la Polynésie française (SPAA), l’Académie tahitienne et la société d’informatique Tahiti ingénierie. Il vise à développer l’interopérabilité entre la bibliothèque numérique Ana’ite de l’UPF, qui comporte des textes en langues tahitiennes du XIX^e et du XX^e siècles, et le dictionnaire tahitien-français en ligne de l’Académie tahitienne.

Plus précisément, il s’agit à terme de permettre à un utilisateur qui consulte un mot tahitien dans le dictionnaire en ligne d’accéder à un répertoire d’occurrences référencées de ce mot dans le corpus de textes déposés sur Ana’ite.

 

Quand et pourquoi a-t-il commencé, et comment s’est-il construit ?

Le projet s’inscrit dans le prolongement du développement de la bibliothèque numérique Ana’ite débutée en 2017 et de celui du dictionnaire en ligne de l’Académie tahitienne, débuté en 2013. Il a été fortement inspiré par l’exemple du Centre national de Ressources Textuelles et Lexicales (CNRTL) dédié à la langue française. Nous avons l’ambition d’offrir, pour le tahitien, une plateforme numérique équivalente qui offre à la fois des ressources lexicales et textuelles et des outils de traitement de la langue pour étayer son analyse lexicographique et grammaticale.

 

Quel corpus ce projet concerne-t-il ?

Dans cette première étape modélisante, nous avons privilégié trois périodiques qui nous ont été remis par le SPAA :

• Te Vea no Tahiti, le premier journal hebdomadaire en langue tahitienne publié sous l’administration coloniale française (62 numéros, 2 p., 33 cm, de 1852 à 1853)
• Te Vea Maohi, un journal mensuel créé par le gouverneur Bouge (11 numéros, 8 à 16 p., 32 cm, de 1937 à 1941)
• Torea, un journal mensuel privé d’informations générales et locales (30 numéros, 12 à 16 p., 25 cm, de 1937 à 1939)

En raison de l’intense activité d’alphabétisation qui a accompagné l’évangélisation des îles de la Société, l’archipel des Australes et les Tuamotu de l’ouest par les missionnaires anglicans de la London Missionary Society (LMS) arrivés en 1797 à Tahiti, le tahitien, langue du groupe océanien de la famille austronésienne, est l’une des rares langues océaniennes – environ 500 au total – pour lesquelles il existe une production écrite significative, y compris laïque, depuis le XIX^e siècle. Fait remarquable, l’administration coloniale française s’est également employée à communiquer en tahitien avec ses nouveaux administrés. Le Protectorat français sur le royaume de Pomare, à partir de 1842, puis l’annexion de 1880 et la création des Établissements français de l’Océanie (EFO), supposaient la collaboration de fonctionnaires métropolitains, qui ignoraient tout du tahitien, et de notables tahitiens qui ne comprenaient pas le français. Un corps d’interprètes, recrutés parmi les fils de missionnaires et les « demis » (métis), fut ainsi créé et contribua à l’administration de la colonie naissante.

Les trois périodiques cibles présentent ainsi un intérêt à la fois linguistique et historique. Les deux premiers témoignent de la vie de la colonie et de la manière dont l’administration coloniale légitimait son implantation auprès des populations autochtones. Le Torea, davantage tourné vers l’actualité internationale, révèle la perception par la petite collectivité locale des tensions et des conflits qui grondaient en Europe à la veille de la Seconde Guerre mondiale. On y voit paraître également les premières publicités en tahitien qui encouragent l’entrée progressive des natifs de l’archipel dans l’économie de marché.

Alors que les écrits de référence pour l’exemplification du vocabulaire tahitien sont souvent des transcriptions d’une tradition orale antérieure à la colonisation ou des textes religieux postérieurs à la conversion chrétienne, le corpus proposé pour le projet Concordance est ainsi remarquable par son caractère laïque et par son ancrage dans un quotidien marqué par les profondes mutations politiques, économiques et sociales des îles de la Société au contact de l’Occident. Les textes des trois périodiques, rendus manipulables par un traitement automatisé et une recherche plein texte performante, permettront d’étudier plus finement les évolutions orthographiques, lexicales et grammaticales de la langue tahitienne depuis la deuxième moitié du XIX^e siècle.

 

Quelle a été la méthodologie instaurée pour la numérisation ?

La numérisation a été réalisée par le SPAA. Plusieurs numéros du Vea no Tahiti avaient été numérisés dans les années 1980, et les originaux ont depuis disparu du fonds archivistique ! Ce qui rend ces copies numériques d’autant plus précieuses. L’originalité du projet Concordance consiste à établir une version anastatique de l’image du texte originel (cela signifie que les textes et les dessins imprimés sont reproduits par un procédé ne nécessitant pas de recomposition), sachant que les résultats des tests de reconnaissance optique de caractère (OCR) se sont révélés médiocres en raison de la mauvaise qualité des numérisations. Des étudiants experts du tahitien ont donc été recrutés pour retranscrire l’ensemble des documents. L’une des premières étapes techniques du programme a consisté à identifier un outil de transcription. Notre choix s’est porté sur la plateforme TACT développée à l’Université Grenoble Alpes.

Après une prise de contact et l’accord des opérateurs de la plateforme, les copies des périodiques y ont été déposées au format .jpeg. Depuis septembre 2019, six étudiants locuteurs du tahitien ont été recrutés puis formés pour assurer la première étape de transcription anastatique sur cette plateforme. Pour permettre les corrélations avec les entrées du dictionnaire contemporain du tahitien, une seconde tâche consiste à produire une autre version des textes, cette fois dans l’orthographe standard contemporaine. Un outil informatique a été développé avec la société Tahiti ingénierie pour faciliter le travail de conversion orthographique et de corrélation avec les entrées du dictionnaire, au numéro d’homonyme près. Un algorithme facilite l’appariement des mots du texte avec ceux du dictionnaire.

Le projet a été lancé en mars 2019 : le SPAA a déjà livré l’intégralité des copies des numéros du Te Vea no Tahiti (avril 1851 – janvier 1859, soit 332 numéros). L’intégralité de ce périodique a été transcrit, et est disponible sous la forme de fichiers .xml exportables à partir de la plateforme TACT. Cela représente un volume de 664 pages, et d’environ 600 000 mots. Les deux autres périodiques seront traités ultérieurement. Tahiti Ingénierie poursuit le développement de l’outil pour permettre la visualisation en ligne des occurrences de mots dans le corpus. La crise sanitaire due au Covid-19 a retardé le travail des étudiants locuteurs, mais cette activité a repris.

 

Comment mettez-vous ensuite en valeur le fond numérisé ?

Le fonds sera accessible via la bibliothèque numérique de l’Université de Polynésie française. Certains documents sont d’ailleurs déjà déposés en ligne, vous pouvez les consulter ici.

La fonction de concordance sera quant à elle implémentée dans le dictionnaire en ligne de l’Académie tahitienne. Celui-ci est hébergé sur la plateforme numérique Anareo-Concordance, développée par la société Tahiti Ingénierie grâce aux financements de la Maison des Sciences de l’Homme du Pacifique, Polynésie française et du laboratoire EASTCO (Équipe d’Accueil 4241). Cette plateforme permet de réaliser le travail de conversion dans l’orthographe tahitienne contemporaine, ainsi que la corrélation avec les entrées du dictionnaire. 

 

Quel est l’intérêt pour le monde de la recherche ?

Le traitement du corpus – déposé sur Ana’ite pour le rendre manipulable – et l’implémentation de la fonction de concordance avec le dictionnaire en ligne favorisera immédiatement un saut qualitatif majeur dans la recherche lexicographie sur langue tahitienne : d’une part en accroissant et en diversifiant les contextes d’occurrences soumis à l’étude, avec une profondeur diachronique d’un siècle et demi ; d’autre part en tirant profit des outils informatiques dans le traitement des données.

Cette nouvelle fonction encouragera une prospection en appui sur des documents écrits authentiques. L’exploration de ce corpus débouchera probablement sur l’identification de lemmes ou de nuances de sens qui enrichiront le dictionnaire. D’un point de vue didactique, la fonction de concordance servira l’apprentissage du vocabulaire tahitien, avec un élargissement de l’exemplification. À moyen terme, la connaissance et l’expertise acquise dans le traitement préalable des documents et l’implémentation de la fonction de concordance permettra de poursuivre l’élargissement du corpus à de nouvelles sources identifiées dans le fonds archivistique polynésien, mais aussi d’appliquer un protocole équivalent à d’autres langues polynésiennes ou océaniennes.

 

*******************************************************************************************************************

Jacques Vernaudon est auteur de plusieurs ouvrages sur la linguistique tahitienne, que la BULAC possède dans ses collections :

• Tahitien : ia ora na : méthode d’initiation à la langue tahitienne, 2007.
• Éléments pour une grammaire raisonnée du tahitien : analyse de quelques opérations et marqueurs, 2002.
• Pour en finir avec l’opposition verbo-nominale en tahitien, 1995.

Vous êtes intéressés par les collections tahitiennes de la BULAC ? N’hésitez pas à découvrir ou redécouvrir l’exposition « Otahiti, Nave Nave Fenu / Tahiti, terre délicieuse » qui a eu lieu à la BULAC du 18 juin au 10 août 2018. À cette occasion, Cristina Dutertre, chargée de collections pour le domaine Océanie de la BULAC, a interviewé Véronique Dorbe-Larcade, enseignant-chercheur à l’université de la Polynésie Française, sur son ouvrage à paraître, De l’autre côté du ciel, Ahutoru-Poutavéry (v. 1750-1771). L’article revient également sur les ouvrages de la BULAC présentés lors de cette exposition. L’un d’entre eux est la première traduction publiée de la bible en tahitien, datée de 1838 par Henry Nott.

---

---