Corpus d’arabe parlé (3) Choix pour la notation des sons et des phénomènes dans la réalisation de corpus d’arabe parlé

 

Groupe ARAPI : Véronique Traverso, Catherine Pinon, Loubna Dimachki, Lina Choueiri

Nous poursuivons l’inventaire des questions pratiques relatives à la réalisation de corpus d’arabe parlé notamment afin de décrire les pratiques linguistiques dans des perspectives pragmatiques et interactionnelles. Ce troisième billet est consacré au choix des alphabets pour la transcription des données.

Aujourd’hui, on considère en général qu’un corpus d’arabe parlé partageable doit mettre à la disposition des utilisateurs, non seulement les données primaires (enregistrements), mais aussi au moins deux lignes (tiers) de transcription, une en caractères arabes et une (au moins) en transcription phonétique (voir les billets Corpus d’arabe parlé 1 et 2). Pour aborder les choses, il faut distinguer d’une part les types de transcription (phonétique ou orthographique) et d’autre part les types d’alphabet utilisés (basés sur l’alphabet latin ou sur l’alphabet arabe).

Dans les faits, les transcriptions orthographiques se font en caractères arabes, même si certaines formes de translittération en caractères latins respectent l’orthographe, avec une correspondance lettre à lettre. Pour les transcriptions phonétiques, qui cherchent à s’approcher des prononciations effectives, se pose la question du choix d’un alphabet. Il existe en effet différentes possibilités, toutes développées sur la base de caractères latins. Mais rappelons toutefois la mention par Habash, Diab & Rambow 2012 d’un essai de notation des dialectes à des fins descriptives à l’aide de l’orthographe standard de l’arabe enrichie d’autres signes. Ce type d’entreprise est en revanche plus fréquent et ancien en littérature, notamment théâtrale, avec les propositions d’écritures dialectales. Voir par exemple les recherches sur ce sujet de Doss 1996 et Boustani & Germanos, 2016.  En lien avec nos questions, il est intéressant de souligner que l’oralisation de textes de ce type nécessite l’application de règles de lecture, qui peuvent être explicitées. C’est le cas par exemple de la troupe Zouqâq qui fournit, au début de ses pièces “Maʃraħ watanī wa Ʒenna Ʒenna Ʒenna” (2018, Dâr al-Fârâbî), une série de règles de lecture concernant aussi bien la notation des sons que celle de phénomènes comme les interruptions.

1. Les alphabets de transcription

Différents alphabets de transcriptions peuvent être utilisés, plus ou moins répandus et plus ou moins spécifiques.

1.1. Un nouveau venu : l’arabizi

L’arabizi, originellement inventé pour les téléphones et les ordinateurs qui ne disposaient pas des caractères arabes, est une forme d’écriture qui se répand notamment dans les communications électroniques (et dans la publicité), et qui suscite des débats (cf. Gonzales-Quijano 2009, 2012). Elle consiste à écrire l’arabe à l’aide des lettres de l’alphabet latin, enrichi de chiffres arabes pour les sons qui n’ont pas d’équivalents. Alors que c’est aujourd’hui la forme de transcription en caractères latins la plus spontanée pour les étudiants à qui l’on demande de transcrire, elle reste peu répandue dans les domaines de recherche sur l’arabe. Toutefois, une utilisation de cette forme de transcription est faite dans Dermarkar & Pfänder 2010 pour la présentation et l’étude d’entretiens avec des locuteurs égyptiens du français, qui alternent avec l’arabe. Dans l’extrait suivant, Suzette raconte une anecdote à l’informateur Stefan. Cet extrait est étudié dans l’ouvrage à propos des marqueurs discursifs et du discours rapporté.

Les passages en arabe sont entourés par des chevrons et traduits dans la ligne suivante en couleur.

La convention note  أ –  ئ – ء par 2, ع par 3,  غ par 3’,  حpar 7 etخ  par 7’.

Mentionnons au passage que ces équivalences ne sont pas standardisées. La convention conserve par ailleurs les conventions de l’écrit pour les signes de ponctuation et les majuscules.

Exemple 8 : Texte DaouDa2 – Tapage nocturne

Suzette : Une fois il y avait des gens qui faisaient de la musique. De la musique ! Et à chanter, chahuter le soir.

Stefan : Hm.

Suzette : qu’est-ce que je fais ? Je téléphone au police-secours. […] : »ana 3aouzak tégui. 3alaToul – delwa2ti.«1
Je veux que tu viennes. Tout de suite. Maintenant.

<»fi eeh ?« oltelouh : »bia3melou mazzika, mich 3arfa anam !«>
Il a dit : »Qu’est-ce qu’il y a ?« Je lui ai dit : »Ils font de la musique, je n’arrive pas à dormir !«

Stefan: (rit)

 (Dermarkar & Pfänder 2010 : 38-39)

1.2. Quelques alphabets fréquemment utilisés pour la transcription

Nous ne mentionnons que trois systèmes utilisés pour l’arabe parlé. On trouvera une discussion plus complète dans Perrin (2016).

• Le système de translittération de Buckwalter

Ce système a été développé dans le cadre du traitement automatique des langues. Il vise à établir une correspondance univoque “son – signe”. Il a évolué au fil du temps (voir Habash, Soudi & Buckwalter, 2007) et reste une référence majeure dans les travaux de traitement automatique des langues. Son utilisation permet également, grâce à des convertisseurs, de transformer la transcription réalisée avec ce système en caractères arabes (voir un exemple de transcription à l’aide de ce système d’un article de la déclaration universelle des droits de l’homme sur Wikipedia, https://en.wikipedia.org/wiki/Buckwalter_transliteration).

• Une référence importante (notamment parmi les arabisants français) est le système de transcription Arabica développé par la revue du même nom.

(http://www.brill.com/files/brill.nl/specific/authors_instructions/ARAB.pdf). Il comporte, outre une liste de correspondances “son – signe”, une série de règles concernant les points délicats pour la transcription (notation de l’article, de la hamza, etc.). Ce système ne convient pas à la transcription des dialectes (pour lesquels la revue accepte d’ailleurs le recours à d’autres systèmes).

• L’alphabet phonétique international (API)

L’API est le système recommandé en linguistique avec, dans la plupart des emplois qui en sont faits pour l’arabe, des adaptations. Les transcriptions réalisées en API ne sont généralement pas des transcriptions phonétiques à proprement parler, puisque le découpage en mots est conservé. Par ailleurs, elles ne cherchent pas non plus à reproduire les caractéristiques des prononciations dans toutes leurs nuances, mais elles introduisent des notations conventionnelles (résultant d’une forme de standardisation). Elles sont ainsi intermédiaires entre une vraie transcription phonétique et une transcription phonologique (cf. Traverso 2006, projet Corpafroas, http://corpafroas.tge-adonis.fr/fichiers/manual.pdf ). C’est le choix fait pour la convention ARAPI (voir billet Corpus d’arabe parlé 4).

2. Règles de transcriptions

Outre le choix des caractères, la transcription de la parole, et a fortiori de l’interaction, nécessite des règles. Ces règles sont relatives à la segmentation des mots. Par exemple quel découpage choisir pour ce que l’on entend comme [ʔəltellak] (je t’ai dit) en dialecte syro-libanais : “ʔəltel lak”; “ʔəlt ellak? En graphie arabe, est-il pertinent de le “régulariser” en “قلت لك”? (voir billet Corpus d’arabe parlé 2). Elles concernent aussi la notation des sons et le degré de référence au standard : par exemple comment convient-il de noter en caractères arabes ce que l’on entend comme [ktīr], “كتير” ou “كثير” [FI1] ?

Tous les systèmes de transcription mentionnés ci-dessus proposent des règles, qui visent à garantir la réalisation de transcriptions le plus homogène possible. Elles concernent différents niveaux, graphiques et morpho-syntaxiques, et présentent les manières de faire (guidelines).

Outre les règles, il est aussi souvent nécessaire d’établir des listes de mots pour lesquels une transcription conventionnelle est proposée. Ces lexiques concernent certains items (par exemple les prépositions et les particules ainsi que certains noms et verbes qui sont difficilement rapportables à un standard).

3. Notation des phénomènes liés à production de la parole en interaction

La transcription de la parole en interaction implique enfin, en plus de la transcription des mots prononcés, la notation de différents phénomènes liés à la production orale.

Rappelons avant tout que la notion de phrase n’a pas lieu d’être pour l’oral, et qu’en conséquence les signes de segmentation de l’écrit (ponctuation et majuscules) ne sont pas utilisés.

La segmentation de premier niveau des corpus de langue parlée en interaction est liée au changement de locuteur, marquant un découpage en tours de parole.

La segmentation des tours de parole eux-mêmes est ensuite liée aux pauses et à la prosodie (vitesse de parole, intensité, intonation, mise en relief).

Enfin, les phénomènes dits de réparation, ou de dysfluence (hésitations, corrections, changements de construction, etc.) sont inhérents à la parole en interaction et sont notés.

Bibliographie

  • Boustani S., Germanos M.-A. (eds) (2016). La littérature arabe dialectale. Un patrimoine vivant. Paris : Karthala.
  • Doss M. (1996). “Réflexions sur les débuts de l’écriture dialectale en Égypte”, Égypte/Monde arabe [En ligne], Première série, Les langues en Égypte, mis en ligne le 08 juillet 2008, consulté le 12 octobre 2018. URL : http://journals.openedition.org/ema/1928 ; DOI : 10.4000/ema.1928
  • Habash N., Soudi A., Buckwalter T. (2007). “On Arabic Transliteration”, in Soudi A., Bosch A., Neumann G. (eds), Arabic Computational Morphology. Text, Speech and Language Technology, vol 38. Springer, Dordrecht.
  • Maamouri, M, Graff, D., Jin, H., Cieri, C. (2004a). ”Dialectal Arabic Orthography-based Transcription & CTS Levantine Arabic Collection”. EARS PI Meeting and RT-04 Workshop, IBM Executive Conference Center, Palisades, NY, USA; November 7-11. http:// www.sainc.com/richtrans2004/
  • Perrin E. (2016). Signifiants et signifié : la translittération de la langue arabe. In Barthélemy, G. Casajus D. Larzul S. Volait M. (eds), L’Orientalisme après la Querelle. Sur les pas de François Pouillon, Karthala. https://hal.archives-ouvertes.fr/hal-01411439/document.
  • Traverso V. (2006). Des échanges ordinaires à Damas. Lyon/Damas: PUL/Presses de l’Ifpo.

Pour citer ce billet : Groupe ARAPI (Véronique Traverso, Catherine Pinon, Loubna Dimachki, Lina Choueiri), « Corpus d’arabe parlé (3) : Choix pour la notation des sons et des phénomènes dans la réalisation de corpus d’arabe parlé», Les Carnets de l’Ifpo (Hypotheses.org), le 13 juin 2019. [En  ligne] https://ifpo.hypotheses.org/9305


Liba Choueiri

Lina Choueiri est linguiste et se spécialise dans la syntaxe comparative des dialectes arabes. Elle est professeur à l’AUB.

Loubna Dimachki

 Loubna Dimachki est professeure associée au Centre des Sciences du Langage et de la Communication à l’Université Libanaise. Elle travaille dans le domaine de l’analyse des interactions, comparaison français / arabe et malentendus interculturels.

Catherine Pinon

 Catherine Pinon est agrégée d’arabe. Spécialisée dans l’étude de la syntaxe de l’arabe contemporain et de la didactique de l’arabe langue étrangère, elle est associée à l’Ifpo depuis 2015.

Véronique Traverso

 Véronique Traverso est directrice de recherche au CNRS, spécialiste de l’analyse des interactions. Elle est en poste à l’Ifpo Beyrouth depuis septembre 2017.

  1. Nous n’avons pas modifié les conventions de transcription appliquées dans cet extrait par les auteurs. []

Vous aimerez aussi...