Motto: "¡Sí se puede!" Dolores Huerta (Link)

1. La mission idéale de la géolinguistique

Nos disciplines, les sciences du langage, comme les sciences humaines et sociales en général, progressent à des niveaux différents. Par rapport à la géolinguistique nous constatons: 

1. au niveau empirique: une augmentation des données;
2. au niveau théorique: une modélisation plus différenciée de l'objet;
3. au niveau des médias: une intégration des technologies de l'internet.

Évidemment, ces trois niveaux ne sont pas indépendants les uns des autres mais étroitement reliés.  Cependant, il n’y a pas d’équivalence épistémique entre les trois domaines; tandisque les deux premiers sont spécifiques pour la discipline le troisième est beaucoup plus général et concerne les fondements non seulement des sciences mais de la vie sociale contemporaine.

1.1. La base empirique

La dialectologie est née de l’intention de documenter la variation linguistique dans l’espace. Cette dimension de la variation est évidente pour les sujets de la recherche – c’est-à-dire pour les informatrices/informateurs – et très probablement pour la masse des locutrices et locuteurs. Ainsi, elle a fourni le modèle pour toute autre étude de la variation. L'atlas linguistique, qui s'est développé à partir de la fin du 19e siècle, est devenu l'instrument central de la documentation dialectale; il s’agit d’un genre d’envergure, difficile à gérer et – encore plus – à financier. Le premier grand atlas national, le ALF, a démontré la faisabilité du concept : du coup, la couverture de tous les espaces linguistiques était possible et, jusqu'à aujourd'hui, les zones blanches sont continuellement exploitées de façon que la mosaïque des dialectes devienne toujours plus complète et diversifiée (cf. Cugno/Massobrio 2010a, Cugno/Massobrio 2010b, Lameli 2010, Hinzelin (forthcoming)). En particulier, les grands atlas nationaux ont été complétés par des atlas régionaux à petite échelle. La figure suivante illustre de façon exemplaire la coexistence d'atlas nationaux et régionaux.

Petite partie de la représentation géolinguistique actuelle de l'espace roman

Depuis quelque temps, il existe même un World Atlas of’ Linguistic Structures (WALS) . Somme toute, les atlas linguistiques représentent une mission inaccomplie et impossible à accomplir parce que l’espace est une source continue et inépuisable de variation.

1.2. L’approche théorique

Cependant, les nombreux atlas ne sont pas ou peu comparables à plusieurs égards. Une différence fondamentale concerne, par exemple, l'orientation ethnolinguistique établie par l'AIS et stimulé par Hugo Schuchardt (cf. Krefeld 2024c). Elle caractérise également les atlas régionaux français, mais pas l'ALF. Même certains atlas régionaux plus récents, comme l'ALD, n'ont pas été conçus de manière explicitement ethnolinguistique. Les chapitres /cartes de l’ambitieux WALS sont également hétérogènes d'un point de vue théorique.

En ce qui concerne la méthodologie géolinguistique, il faut noter aussi, que l‘existence tout à fait évidente des dialectes a suggéré le concept analogue mai plus général de la variété pour désigner des variantes cooccurentes (comme les variantes dialectales) mais marquées selon d’autres dimensions de la variation (diastratique, diaphasique, diamesique etc.). Dès que la dialectologie avait été redéfinie come section de la linguistique des variétés (cf. Coseriu 1988, 280-283), il etait inévitable de découvrir la variation interne, au sein des dialectes. Cette dialectologie de deuxième génération était appelée par Harald Thun dialectologie pluridimensionelle. Jusqu’à présent, très peu de projects d'atlas ont répondu à ces exigences (par ex. l’ADDU, l’ALS et l’AsiCa2, ALiB). En même temps, on commençait à intégrer la variation diatopique au niveau des variétés standard. Toutes ces nouvelles orientations exigeaient et exigent toujours une masse très importante de nouvelles données empiriques.

La multiplication des données implique une forte multiplication des informatrices/informateurs. Et en effet, on ne peut ignorer que l'informateur individuel est passé au centre d'intérêt de la linguistique variationelle. On tient même compte du fait, que son répertoire est une source potentielle de variation, notamment dans le cas du bilinguisme, souvent résultant de son experience migratoire personnelle. En dehors de ses compétences linguistiques pratiques ou procédurales, on a reconnu aussi la valeur de son savoir métalinguistique ou déclaratif qui constitue l’objet de la dialectologie/linguistique perceptive (cf. Long/Preston 2002, Long/Preston 2003, Krefeld/Pustka 2010a). Dans cette perspective, le concept même de ‘variété’ s’avère être une catégorie cognitive (cf. Krefeld/Pustka 2024a etKrefeld/Pustka 2024b). 

Compte tenu de la forte diversification de la recherche linguistique consacrée à la variation dans l'espace, il semble désormais adéquat de renoncer au terme trop restrictif de ‘dialectologie’ et de parler plutôt de ‘géolinguistique’.

1.3. Mise en œuvre des médias ou:  l’intégration des technologies de l'internet.

Toute recherche suppose des médias, car les résultats doivent être conservés et transmis au public, en particulier à la communauté scientifique. L'écriture a été utilisée à cet effet depuis l'antiquité ; mais l'accessibilité a été améliorée de manière décisive par l'imprimerie à partir de la fin du 15^ième siècle. Aujourd'hui encore, cette technique détermine le format dominant des publications scientifiques, même si les textes et cartes sont générés à partir de fichier numériques. Il faut rappeler qu’un livre imprimé représente un objet autonome, statique, et non modifiable qui demandent des endroits de conservation , c’est-à-dire des bibliothèques.  Il est inutile de rappeler que les bibliothèques bien pourvues en géolinguistique sont plutôt rares et surtout pas à la portée de tout le monde.

En route - d'un atlas à l'autre

Les formes de publication virtuelles, en revanche, sont procédurales et dynamiques. Mais dans un premier temps, la numérisation progressive des activités scientifiques n'a rien changé à cette situation; la dialectologie a d'ailleurs été très innovante dans l'utilisation des techniques numériques. Hans Goebl a été un des pionniers de cette évolution ; il confirme que l'utilisation des ordinateurs était prévu pour la réalisation de l’ALD depuis sa première conception en 1972 (cf. Goebl). Plutôt rarement, les livres imprimés étaient accompagnés d'autres médias éphémères et également statiques pour donner une impression auditive des dialectes documentés : d'abord des disques, puis, au cours de la numérisation, des cd rom (cf. ALD I-DVD et Ruffino 1997). Les disques n'ont eu que peu de succès – même l’initiative précoce et fragmentaire de Ferdinand Brunot, les Archives de la parole (1911-1913),  est peu connu (cf. Hafner 2006, 28-34) et les cd rom ont été vite dépassés techniquement. Le support éphémère du cd rom montre justement qu'il est trop facile d'identifier la véritable révolution de la géolinguistique avec la numérisation. Ce n'est que la technologie du web qui a eu un effet véritablement révolutionnaire, car elle a ouvert des options substantiellement nouvelles dans tous les domaines de la recherche.

Tout d'abord, il faut souligner que le rapport entre les activités de recherche et la publication a complètement changé (cf. Krefeld 2023j). Dans la recherche traditionnelle, la publication était l'objectif du travail qui, en tant que tel, était soustrait au public.  Si l'ensemble de la recherche est basé sur la technologie web, il est possible de réaliser toutes les activités et étapes d’un projet en public et en coopération:

• La collecte de données peut se faire par internet ; les chercheurs ont alors la possibilité de rester en contact avec les informateurs pendant une période prolongée et de les impliquer dans la correction des données. L'enquête peut être menée à plusieurs, voire à de nombreux lieux en même temps.  
• Les nouvelles données collectées peuvent être agrégées avec les données déjà disponibles en créant des corpus de référence ouverts et dynamiques (cf. Krefeld/Lücke 2023).
• Toutes les données peuvent être reliées à des services web externes au projet, mais utiles.
• De nombreux partenaires scientifiques situés n’importe où dans le monde peuvent partager les même banques de données et  coopérer  facilement, même simultanément.
• L’accès aux dates et aux analyses de la recherche est possible partout où l’internet est disponible; depuis, l’exclusivité des sites des bibliothèques est dépassée.
• La recherche universitaire est radicalement démocratisée parce les scientifiques et le public intéressé non scientifique ont les même voies d’accès.

Seul un observatoire internet permanent qui corresponde aux critères nommés pourrait faire avancer la mission inaccomplie de la géolinguistique idéale. La figure suivante rassemble les composantes essentielles d’un tel portail:

Composantes d'un espace internet collaboratif pour la géolinguistique

Le schéma identifie des publications et projets de recherche entiers. Dans l'activité de recherche, ce ne sont toutefois pas les projets en tant que tels qui sont au premier plan, mais les données individuelles qu'ils contiennent.  Qu'il soit quantitatif ou qualitatif, un nouveau projet s'inscrivant dans l'observatoire esquissé ci-dessus doit avoir accès à toutes les données spécifiques déjà disponibles. Cela signifie que chaque donnée doit être accessible en tant qu'objet numérique.

Pour donner un exemple : Des linguistes brésiliens ou italiens (ou autres) pourraient ainsi sélectionner des matériaux audio de l’AMDV, les comparer avec des données de la variété migratoire brésilienne talian (Monachesi Gaio 2018), émergée dans les milieus des immigrants du Veneto, et en faire l'objet d'études comparatives et notamment perceptives.

Les conditions préalables de telles options sont avant tout de nature technique, mais aussi juridique; elles peuvent être résumées sous l'acronyme FAIR et doivent bien entendu être garanties pour les projets concernés et les autres sources de données  (sur FAIR cf. Krefeld/Lücke 2023a). Les principes qui se cachent derrière l’acronyme anglais FAIR exigent que les données de recherches soient:

• F — Findable
• A — Accessible
• I — Interoperable
• R — Reusable

La géolinguistique virtuelle en nuage

Les données organisées selon les principes FAIR ne meurent pas dans leurs corpus parce qu’ elles peuvent tourjours être réveillées. Dans ce qui suit, nous allons montrer, en partant du projet VerbaAlpina, que toutes ces conditions pour une géolinguistique idéale sont tout à fait réalisables et qu'elles ont déjà été réalisées en grande partie.

2. La réalité géolinguistique ou: l’héritage de VerbaAlpina

VerbaAlpina est un projet lexicologique conçu et réalisé exclusivement sur la base de technologie internet; par conséquent, la cartographie est purement virtuelle, fondée sur des services géo-informatiques (OpenStreetMap, Leaflet) et soutenu par des données d’autorité géographiques (GeoNames). Le projet documente le vocabulaire des dialectes alpins dans le but de mettre en évidence la stratigraphie historique de l’espace alpin. Depuis des siècles, on parle traditionnellement dans cette région des dialectes appartenant aux trois grandes familles de langues européennes, à savoir des dialectes romans, germaniques et slaves (cf. Krefeld 2023k). Mais l'ensemble de la région faisait partie de l'Empire romain et le substrat latino-romain est toujours clairement reconnaissable dans les régions aujourd'hui germanophones et slavophones.

Source: Krefeld 2023m <https://doi.org/10.5282/verba-alpina?urlappend=%2Ffr%3Fpage_id%3D13%26db%3D232%26single%3DM55>

Le choix des domaines de vocabulaire a été guidé par des critères ethnographiques de sorte que VerbaAlpina est également liée à l'ethnolinguistique (cf. Krefeld 2021e). L'accent est mis sur les alpages, les produits laitiers, la faune, la flore et les formations du terrain.

VerbaAlpina a exploité et combiné plusieurs sources empiriques (cf. la carte des sources):

• des propres enquêtes via internet (Participer);
• des atlas linguistiques français, suisses, italiens, allemands, autrichiens et slovènes , en parties leurs entières bases de données, par ex. dans le cas du  ALD;
• des dictionnaires dialectaux qui permettent d’attribuer des codes géographiques  aux matériaux documentés, notamment trois des quatre dictionnaires nationaux suisses (DRG, GPSR,  VSI)¹ qui ont collectionné leur données dans la logique d’un atlas, c’est-à-dire dans  un réseau de lieux assez étroit. Mais des dictionnaires géo-localisables de dialectes locaux individuels ont également été dépoulliés, comme l'excellent DizMT de Corrado Grassi.

Il s’agit donc d’un atlas plurilingue qui demande des solutions méthodologiques spécifiques, notamment  en ce qui concerne l’organisation des données et en particulier le regroupement des nombreuses variantes parce qu’il est indispensable d’identifier des classes de variantes par une seule formes représentant la variable et facilitant l’usage du portail. VerbaAlpina suit une double logique de regroupement assavoir selon les signifiants, ou: semasiologique, et selon les concepts désignés, ou: onomasiologique.

2.1. Piste semasiologique

La logique semasiologique cible la diachronie; on distingue d’abord des types morpho-lexicaux constitués des variantes phonétiques qui dérivent de la même origine, ou: cognats, qui ont en même temps certaines catégories morphologiques en commun (catégorie verbale, genre, affixes formatifs); toutes les variantes d’un type morpho-lexical appartiennent par définition à la même famille de langue. Un problème classique de la lexicologie dialectale est la lemmatisation des nombreuses variantes d’un même type. Si possible,  VerbaAlpina se sert de la variante standard plus diffuse, c’est-à-dire des variantes françaises et/ou italiennes. Voilà la diffusion du type fr. fromage/it. formaggio, identifié sur la carte comme ‘roa.’  (= ‘roman’)  selon le codage des langues/dialectes établi par ISO 639 (http://www.infoterm.info/standardization/iso_639_1_2002.php).

Diffusion du type fromage/formaggio (roa.); carte originale interactive sur VerbaAlpina <https://www.verba-alpina.gwi.uni-muenchen.de/fr?page_id=18&db=232&tk=5109>).

Dans le cas où ces variantes manquent, des variantes standard d’une langue moins diffuse (romanche, ladin) sont selectionnées comme lemma, par exemple le type chaschöl ‘fromage’ (< lat. caseolus), dont la forme lemmatisé a éte reprise du DRG:

Diffusion du type chaschöl 'fromage'; carte originale interactive sur VerbaAlpina <https://www.verba-alpina.gwi.uni-muenchen.de/fr?page_id=18&db=232&tk=5115>).

Si aucune variante standard ne peut être trouvée, la varainte lemmatisée est definie par VerbaAlpina. Toutes les variantes lemmatisée sont connectées avec des entrées correspondantes dans un dictionnaire de référence disponible online.   

En suite, il y a des types de base qui consistent d'un  type lexical (des fois aussi de plusieurs) et des emprunts du même type; les types de base sont lemmatisés par des formes qui représentent la base étymologique. La carte suivante montre l’attribution des types à l’exemple d’une attestation du type morpho-lexical ra. fromage/it. formaggio; la fenêtre s'ouvre en cliquant sur un symbole de la carte interactive:

Une attestation avec types attribués (carte originale interactive sur VerbaAlpina <https://www.verba-alpina.gwi.uni-muenchen.de/fr?page_id=18&db=232&tk=5118>)

Ces deux types suffisent de mettre en évidence deux relations diachroniques: les développements historiques au cours de l’histoire d’une (famille de) langue (p.ex. latin > ancien français >   français moderne) et  les emprunts des variantes dans uns autre langue comme p.ex. le type de base lat. caseu(m) ‘fromage’ qui est très diffus dans les dialectes germaniques (cf. all. standard Käse):

Diffusion du type de base lat. caseu(m) dans les domanines roman et germaniques (carte originale interactive sur VerbaAlpina <https://www.verba-alpina.gwi.uni-muenchen.de/fr?page_id=18&db=232&tk=5121>)

2.1.1. Piste onomasiologique

La logique onomasiologique part des concepts qui représentent des unités de référence universelles, indépendantes des langues et souvent aussi des époques historiques. Les concepts ne peuvent donc pas être référencées par des dictionnaires, mais par des encyclopédies. Cependant, les encyclopédies traditionnelles sont de facto dépendantes de la langue, car elles sont rédigées dans des langues particulières spécifiques. Pour cette raison, VerbaAlpina a adopté une option offerte par la Wikimedia Foundation, plus précisément par le projet Wikidata, qui est une base de connaissance (angl. knowledge base) très riche, construite essentiellement avec des identifiants uniques auxquels toutes les entrées de l’encyclopédie Wikipedia font réference.  Un tel identifiant (Q-ID) constitue la constante commune des différentes versions linguistiques de Wikipédia ayant un objet réferentiel identique. Ainsi, rien que pour le thème FROMAGE, il existe des entrées Wikipédia en 173 langues (au 02.09.2024) qui renvoient toutes au même identifiant (Q10943). Les identifiants peuvent être combinés en forme de triplets  (format rdf) et contribuent ainsi substantiellement au web sémantique.  Les Q-ID, de vraies données d’autorité, peuvent être retrouvés par les moteurs de recherche et sont donc très utiles pour relier différentes sources de données.

La figure suivante montre la fenêtre correspondante à une attestation du type morpho-lexicale fra. tomme/it. toma qui esigne le concept FROMAGE et en cliquant sur l'icône de Wikidata, l’utilisateur arrive à la Q-ID de FROMAGE:

Le chemin d'une attestation au concept lié à son identifiant Wikidata (carte originale interactive de Wikipedia sur <https://www.verba-alpina.gwi.uni-muenchen.de/fr?page_id=18&db=232&tk=5124>)

Si aucun identifiant Wikidata n’existe, l’utilisateur a la possibilité de le rajouter, même sans rédiger un article correspondant pour Wikipedia; il serait important de profiter de cette option et d’enrichir la base de connaissance au maximum pour les objectifs de la (géo)linguistique. On notera que les identifiants Wikidata n'existent pas seulement pour des concepts lexicaux mais pour n'importe quelle catégorie langagière et linguistique.

2.2. Les limites de la réalisation

La brève présentation du projet VerbaAlpina voulait montrer que l'idéal esquissé d'une géolinguistique romane virtuelle, ouverte et extensible est techniquement réalisable (cf. Krefeld/Lücke 2023). Cependant, des raisons économiques, institutionnelles et politiques s'opposent à sa mise en œuvre effective. 

Le plus gros problème, du moins dans la perspective allemande, est le fait que tous les grandes entreprises de recherche doivent être menées dans le cadre de projets: un projet est par définition limité dans le temps, souvent à très peu d’années. Il s’ensuit la grande question, souvent dramatique, de savoir ce qu'il se passe avec les résultats après la fin du financement. Chaque projet individuel doit trouver une réponse à cette question. Voici comment VerbaAlpina s’est positionné à l’egard des problèmes. La figure suivante (cf. Krefeld/Lücke 2023b) organise le contenu du projet en trois domaines et évalue les perspectives de durabilité:

Mais ce qui manque totalement, c'est une perspective disciplinaire pour tous les projets géolinguistiques. Il n'est pas certain, effectivement, qu'une institution durable, telle qu'une grande bibliothèque de recherche, puisse un jour héberger un tel portail à long terme. Même si l'investissement en personnel ne serait absolument pas excessif, une modération permanente serait nécessaire pour réagir aux mises à jour imprévisibles des navigateurs (anglais web brouwsers).

Il faut donc sérieusement se demander si une solution ne pourrait pas éventuellement être trouvée dans le cadre de la Wikimedia Foundation. Les formes dialectales pourraient en principe être intégrées dans Wikidata, qui ne contient non seulement des identifiants pour les concepts (QIDs), mais aussi pour les formes linguistiques (LIDs) ; il est également possible de formuler des triplets pour les LIDs, ce qui permet de représenter des relations diachroniques (cognat, emprunt). Il est également possible d'ajouter des géolocalisations, ce qui devrait permettre une visualisation cartographique de la distribution dans le cadre de Wikidata. La recherche d’un identifiant léxical (LID) se fait à l'aide du préfixe ‘lexeme’, par ex. en tapant ’lexeme:fromage’ on arrive à page suivante:

Un identifiant lexical de la base Wikidata (source <https://www.wikidata.org/w/index.php?title=Lexeme:L26909&oldid=1767691941>)

Cette fonctionalité lexicographique offre l’option de rajouter des ‘statements’ et de préciser la nature lexicologique de tous lexèmes registrés. Dans le cas il faudrait évidemment rajouter des triplets (‘statements’) et préciser la nature lexicologique de tous lexèmes registrés. Pour reprendre l'exemple déjà introduit de fra. fromage L26909, il faut la relier avec it. formaggio (L682631) par la property ‘cognate’ (Q690548), ensuite rajouter lat. formaticum, qui sera à relier  avec fromage/formaggio etc. par la property ‘etymon’ (Q992080). Cette dernière représente une forme dérivée (property ‘derivative’ Q11693971) du lat. forma L274271  etc. etc.

Il faut cependant dire, que la linguistique n’a pas encore su ou voulu profiter de la perspective tout à fait promettante; pour un travail modèle cf. Zacherl 2022b et sa restructuration numérique du classique REW (REWOnline 2022) qui indique la direction à suivre. Dans le cadre de VerbaAlpina non plus, il n'a malheureusement pas été possible de transférer toutes les données lexicales (cf. pour le fonctionnement <https://www.wikidata.org/w/index.php?title=Wikidata:Property_proposal/VerbaAlpina_ID&oldid=1581447032).