 |
 |
|
|
|
LE TRAITEMENT DES TEXTES PRIMAIRES
ET SECONDAIRES POUR LA CONCEPTION ET LE FONCTIONNEMENT D'UN PROTOTYPE
DE SYSTÈME EXPERT D'AIDE À L'ANALYSE
DES JUGEMENTS
Bertrand-Gastaldy, S.; Paquin L.-C.; Pagola, G.; Daoust, F., 1994. Le traitement des textes primaires et secondaires pour la conception et le fonctionnement d'un prototype de système expert díaide à líanalyse des jugements. Colloque Traitement automatique du français écrit. 62e congrès de líACFAS, 16-20 mai 1994.[sous presse] RÉSUMÉ
Afin díassister les conseillers juridiques
de la Société Québécoise díInformation
Juridique (SOQUIJ), un prototype de système expert pour
líaide à la sélection, à la classification,
à la lecture et à líindexation des jugements
a été implanté sur ACTE (Atelier Cognitif
et TExtuel) développé au Centre de recherche en
information et cognition ATO.CI. À partir díun corpus
díapprentissage de textes déjà analysés
et grâce à des traitements statistico-linguistiques
sur SATO (Système díAnalyse de Textes par Ordinateur)
et SPSS, on a confronté les données issues de l'analyse
humaine à celles des textes intégraux; des tendances
et des anomalies ont pu être décelées qui
ont servi à questionner les outils et les pratiques ainsi
qu'à réorienter ou à corroborer l'enquête
cognitive des savoir-faire. Une fois identifiés les types
díunités linguistiques et leurs propriétés
généralement retenus par les spécialistes
pour chacune des opérations díanalyse, on a mis
au point une chaÎne de traitements qui, pour chacun des
modules du système expert et à partir du plus grand
nombre possible de sources de connaissances, dépiste et
décrit les indices pertinents, puis les transforme en faits.
Ceux-ci s'avérant distincts les uns des autres, un diagnostic
peut être porté, à chaque étape, selon
un principe de convergence. Toutefois, quelques difficultés
concernant le cumul des coefficients de certitude et líintégration
de statistiques nécessitent des études plus poussées.
INTRODUCTION
Au Québec, la cueillette, la sélection,
le traitement et la diffusion de la jurisprudence sont sous la
responsabilité principale d'un organisme parapublic :
SOQUIJ. La loi constituant la Société québécoise
d'information juridique, entrée en vigueur le 1er avril
1976, lui confie le mandat de "promouvoir la recherche, le
traitement et le développement de l'information juridique
en vue d'en améliorer la qualité et l'accessibilité
au profit de la collectivité." À ce titre,
SOQUIJ est le serveur es bases de données du ministère
de la Justice ainsi que le producteurserveur de plusieurs
autres bases de données, dont celles qui concernent la
jurisprudence. Or, la saisie électronique des jugements à la source mise en place progressivement par le ministère de la Justice du Québec multipliera presque par cinq le nombre de jugements acheminés à SOQUIJ : la quantité annuelle prévue est de 50 000. Pour maintenir son niveau de service sans accroÎtre indûment son personnel, cet organisme a envisagé de recourir à des méthodes automatiques pour assister certaines des opérations intellectuelles díanalyse effectuées par des conseillers juridiques et a confié à notre équipe de recherche le mandat de concevoir un prototype de système expert. Celui-ci a été réalisé sur le logiciel ACTE (Atelier Cognitif et TExtuel) développé au Centre ATO.CI.
Après avoir expliqué en
quoi consistent les différentes fonctions díanalyse
quíil nous a fallu modéliser, nous évoquerons
les éléments théoriques sur lesquels nous
avons appuyé notre démarche et nous montrerons comment
celle-ci combine des approches complémentaires (statistiques,
linguistiques et cognitives); nous líillustrerons ensuite
par quelques exemples díindices extraits pour chaque
type díanalyse. Puis nous mentionnerons les principaux
enrichissements du thésaurus nécessités par
les nouvelles fonctions quíil est appelé à
remplir dans un système automatique. Finalement, nous exposerons
líimplantation des stratégies díanalyse dans
un programme de chaÎne de traitement et líintégration
díinformations de sources et de valeurs différentes.
1. LA MODÉLISATION DES TÂCHES D'ANALYSE 1.1 Les fonctions díanalyse à assister
Après entente avec les représentants
de SOQUIJ, nous avons convenu de concevoir un système
qui assisterait les tâches suivantes : 1) élimination
à la source de certains jugements (étape de la sélection); 2) détermination
du (ou des) domaine(s) du droit et, le cas échéant,
du sous-domaine (selon un plan de classification préétabli)
auquel chaque décision retenue appartient (étape
du tri et de la classification); 3) prise de connaissance
du contenu des textes en vue de la rédaction díun
résumé informatif; 4) sélection
de termes d'indexation à partir du résumé
rédigé par les conseillers juridiques. 1.2 Théories sous-jacentes
La méthodologie que nous avons
élaborée est sous-tendue par au moins trois orientations
théoriques : le texte comme objet sémiotique, les
analyses documentaires comme des applications particulières
díun processus de lecture, et finalement líintertextualité.
1.2.1 Le texte comme objet sémiotique
Le texte est envisagé comme un
objet sémiotique complexe dans lequel un lecteur humain
ou informatique sélectionne, à des niveaux multiples,
des indices pertinents en fonction de ses objectifs díanalyse
(Meunier, 1992; Meunier et al., 1994). Les chaÎnes
de caractères ou motsÎ sont autant de
porteurs de traits signifiants. Les processus cognitifs díinterprétation
humaine étant fonction de nombreux éléments
dont la plupart ne sont guère formalisables (systèmes
de croyance, intentions, connaissances du contexte textuel et
extra-textuel, etc.), un système entièrement automatique
est impossible à envisager : seul un mécanisme díaide
à líinterprétation est réalisable
qui permet díidentifier et de manipuler certains des indices
pertinents décelables par divers analyseurs. 1.2.2 Les analyses documentaires comme des applications particulières díun processus de lecture
Les opérations díanalyses
effectuées dans un service documentaire sont envisagées
comme des lectures particulières dirigées par des
tâches spécifiques à accomplir : attribution
díune rubrique de classification, assignation de mots-clés,
condensation du texte, entre autres. Ces lectures mettent en jeu
diverses opérations cognitives de sélection, rejet,
généralisation (Van Dijk, 1977), stratégies
de confirmation et contrôle, etc. (David, 1990) portant
sur des indices ou configurations díindices dont
la pertinence varie en fonction de chaque type de lecture. À
chaque tâche díanalyse correspond donc un parcours
particulier du texte. La décision díinclure un document
dans une base de données - ou de le rejeter - níexige
pas la prise en compte du même nombre ni des mêmes
types díindices que líopération díindexation.
La rédaction díun résumé requiert
une prise de connaissance plus approfondie du contenu textuel
que líattribution díune rubrique de classification,
mais exige un examen moins attentif cependant que la comparaison
des thèses défendues par un texte avec celles díun
autre texte. 1.2.3 Líintertextualité
De par la nature même de leur
condition de production, les textes secondaires sont en relation
díintertextualité avec les textes primaires dont
ils sont issus (Beacco et Darot, 1984) ainsi qu'avec les outils
documentaires - thésaurus et plan de classification - servant
à effectuer l'analyse (Begthol, 1986). Comme nous líavons
exposé dans Bertrand-Gastaldy (1993), la comparaison des
propriétés des éléments présents
dans les textes de départ et retenus dans les différents
textes díarrivée (rubriques de classification, termes
díindexation, résumés) avec celles des éléments
qui ont été éliminés permet de découvrir
des tendances et des anomalies qui servent à orienter ou
approfondir líenquête cognitive auprès des
experts. 1.3 Notre approche
Nous níavons donc pas cherché
à mettre au point un outil díanalyse qui serait
performant en dehors de tout contexte (par exemple un analyseur
morphologique, un extracteur de lexies complexes), mais bien au
contraire de comprendre en quoi le contexte de la tâche
faisait varier les objets textuels et les propriétés
des objets susceptibles de retenir líattention des experts.
Notre approche a dès lors consisté díune
part à modéliser les stratégies cognitives
mises en oeuvre par les experts du domaine lors des différentes
lectures effectuées en fonction des produits attendus (liste
des documents à éliminer, tri et classification,
résumé, indexation), díautre part à
faire évoluer les outils documentaires pour les rendre
aptes à répondre à líutilisation automatique
que nous voulions en faire. 1.3.1 Les sources de données
Pour mener à bien notre travail,
nous disposions de deux types de sources. Nous avions accès
à une demi-douzaine de conseillers juridiques avec lesquels
nous avons tenu plusieurs sessions de travail afin díarriver
à connaÎtre les critères explicites ou implicites
auxquels ils recourent pour prendre leurs décisions aux
différentes étapes de leur analyse. Díautre
part, les données de nature linguistique se trouvaient
déjà presque toutes sur support informatique. Il
s'agit des produits issus des différentes opérations
d'analyse : textes intégraux rejetés ou retenus,
notices bibliographiques accompagnées des résumés,
index, ainsi que des outils utilisés pour l'analyse : plan
de classification et thésaurus. 1.3.2 Les traitements sur les données linguistiques Les caractéristiques attribuées aux données, en contexte ou hors contexte, ont consisté en l'ajout d'informations de nature diverse décrivant le statut sémiotique des constituants du texte et enrichissant les chaÎnes de caractères immédiatement accessibles à l'ordinateur. Ces caractéristiques proviennent de connaissances générales de la langue (type de langue, nature grammaticale des lexèmes), de connaissances générales sur la structure des textes (phrases, paragraphes), díinformations de nature éditique (conventions typographiques - capitales, caractères gras ou italiques - dans les enregistrements), de connaissances spécifiques au domaine (vocabulaire de spécialité, structure des jugements et de leurs résumés, mention de loi, de jurisprudence et de doctrine), de connaissances "documentaires" (champs d'une notice, appartenance ou non des lexèmes aux langages documentaires), de propriétés statistiques (fréquence absolue ou relative, indice de répartition, valeur discriminante, chi 2, etc.). Ces informations ont été obtenues par des algorithmes développés avec le logiciel SATO (système díanalyse et textes par ordinateur) et ont fait líobjet díun marquage approprié (propriété et valeur de propriétés dans SATO). On pourra consulter une publication du Centre ATO.CI pour plus de détails (Bertrand-Gastaldy et al. , 1993). Nous présentons ci-dessous un extrait de texte dans lequel apparaissent diverses propriétés et leurs valeurs : - les caractères typographiques *typo, avec les valeurs italique et nil. - les subdivisions *par, (avec les valeurs manchette, litige, contexte, décision), líappartenance aux outils documentaires díoù sont tirés les mots-clés (*term) avec les valeurs Ta pour descripteurs du thésaurus acceptés, Tr pour descripteurs rejetés du thésaurus, Tl pour termes libres du domaine tels quíidentifiés par les experts, Clas pour rubrique de classification (ces valeurs peuvent être spécifiées par les premières lettres du sous-domaine du droit auquel appartiennent les termes : par exemple, TlAss pour terme libre caractérisant le champ assurances); - la numérotation des phrases *phr et leur ordre *ord (pr pour première, deux pour deuxième, ad pour avant-dernière, de pour dernière); - la position (*marque) des mots dans la macrostructure (manchette, litige, contexte, décision) : un terme portant la valeur mancondéc se trouve donc à la fois dans la manchette, dans le contexte et dans la décision.
On remarque également, dans le
texte qui suit, certains résultats du prétraitement
automatique ou semi-automatique : le doublement des traits díunion
séparant deux éléments grammaticaux différents
(soit--elle), le doublement des points díabréviation
et líajout díune barre oblique devant les majuscules
de noms propres (\C..\C..). La détection de termes complexes
dans les outils documentaires ou la liste de termes libres du
domaine préparés en cours díexpérimentation
a résulté en la substitution díun trait díunion
au caractère blanc figurant entre les composants des termes.
Tous les ajouts sont inscrits en caractères gras dans notre
exemple :
*par=ident*typo=nil<ND>91-3
*par=prov<HD>COUR_D_'APPEL *par=manchette ASSURANCE*term=(TaAss,ClasAss) *marque=mandéc -- assurance_de_responsabilité*term=ClasAss *marque=man -- recours*term=
Clas *marque=mancondéc
contre le tiers responsable -- option*term=Ta *marque=mancondéc
-- article 2603 C.C. -- interdiction_de_cumul*temr-Tl
-- amendement*term=(Ta,Clas) *marque=mancondéc.
*par=litige *phr=1 *ord=(ad,pr)
Appel*term=(Ta,Clas) *marque=li d'un jugement*term=Ta
*marque=li de la \Cour supérieure ayant accueilli
une requête_en_irrecevabilité. *term=Tl
*phr=2 *ord=(de,deux) Rejeté, avec dissidence. *par=contexte *phr=1 *ord=pr Le 18 février 1988, l'appelante a intenté une action*term=Tr *marque=condéc contre la mise_en_cause *term=Tr *marque=con \Fontaine, lui réclamant 23 688$ à titre de dommages*term=Class *marque=con à la suite d'un incendie *term=TaAss *marque=condéc provoqué par sa négligence*term-Tr *marque=con phr=2 *ord=deux. Quelques mois plus tard, l'appelante a fait signifier une déclaration*term=Ta *marque=con amendée qui ajoutait la compagnie_d'_assurances*term=TlAss intimée à titre de défenderesse et qui concluait à la condamnation conjointe et solidaire des codéfenderesses.
*phr=3 *or=au
L'intimée a alors présenté une requête_en_irrecevabilité*term=Tl
fondée sur le fait que l'appelante n'avait aucun recours*term=Clas
*marque=mancondéc contre elle puisque, en poursuivant
\Fontaine, elle avait exercé l'option*term=Ta
*marque=mancondéc prévue à l'article
2603 \C..\C.. . *phr=4 *ord=au La
requête_en_irrecevabilité*term=Tl
a été accueillie malgré la demande verbale
d'amendement*term=(Ta,Clas) *marque=mancondéc présentée
par l'appelante visant à modifier la désignation
des parties et à ne maintenir que l'intimée à
titre de défenderesse, reléguant \Fontaine
au rang de mise_en_cause*term=Tr*marque=con.
[...]
*par=décision *typo=italique
*phr=1*ord=pr \Mme la juge*term=Ta
*marque=condéc \Tourigny et \M..
le juge*Term=Ta *marque=condéc \Proulx :
*typo=nil Les dispositions du *typo=italique Code
de procédure_civile*term=(Ta,Clas) *marque=déc
*typo=nil relatives à l'amendement doivent recevoir
une interprétation aussi large que possible. *phr=2
*ord=deux Cependant, une interprétation, aussi large
soit--elle, ne peut écarter une disposition de droit
substantif incluse dans le *typo=italique \Code civil.
*typo=nil *phr=3 *ord=au Le législateur a voulu
que, en intentant un recours*term=Clas *marque=mancondéc,
la partie demanderesse fasse un choix, ainsi que l'a confirmé
\M.. le juge*term=Ta *marque=condéc
\Mayrand dans l'arrêt *typo=italique \L'\Union
québécoise, mutuelle [...]
En se positionnant sur un mot, on peut
visionner, à líaide díune commande du logiciel
SATO, toutes les valeurs de propriétés (ou traits)
qui lui ont été attribuées, y compris celles
qui résultent de calculs statistiques effectués
par le logiciel :
Une fois caractérisées, les données ont été filtrées en fonction des différents indices et soumises à une analyse de discrimination sur SPSS qui a fait ressortir les meilleurs prédicteurs pour expliquer les résultats des diverses opérations díanalyse. 1.4 Líenquête cognitive Les résultats des analyses ont ensuite été confrontés aux données recueillies dans une première phase de líenquête cognitive, puis soumis aux experts du domaine qui avaient pour tâche de confirmer les tendances observées et díexpliquer les anomalies, et surtout de décider díune éventuelle réingénierie des processus ainsi que díune éventuelle modification des outils documentaires. Líenquête cognitive (comportant entrevues, observation et recueil de commentaires sur les résultats de nos traitements) a donc permis à la fois de compléter les analyses de données exposées précédemment et de les orienter. Nous cherchions les techniques et les stratégies employées pour parcourir un texte, les différentes parties du texte examinées pour prendre une décision de sélection, de tri-classification, de résumé et d'indexation, les connaissances utilisées (importance de tel ou tel tribunal, poids à accorder à la nature des parties en cause, valeur discriminante de telle ou telle mention de loi, de tel ou tel lexème, marqueurs du raisonnement du juge; références au contenu de la base de données, aux besoins des utilisateurs, à líactualité, etc.), les catégorisations effectuées, les inférences faites pour passer des expressions en langue naturelle à leurs équivalents dans le thésaurus. Nous avons donc procédé selon une boucle : textes --> conseillers juridiques --> textes. 1.5 Complémentarité des approches
La complémentarité des
approches utilisées pour la modélisation, recommandée
à plusieurs reprises (Chaumier et Dejean, 1992; Doszkocs,
1986; Blosseville et al., 1992 ; Meunier et al.,
1987), permet de tenir compte de la multiplicité des connaissances
mises en oeuvre pour l'analyse du matériau textuel orientée
vers des fins documentaires. Elle constitue, nous semble-t-il,
un heureux compromis qui tient compte de caractéristiques
exigeant parfois des solutions contradictoires, dans l'état
de développement actuel des technologies : matériau
textuel très complexe à analyser, mais nécessitant
néanmoins des approches de nature linguistique et cognitive,
volume important des données prohibant des analyses très
fines et pouvant bénéficier des effets de nombre,
savoir-faire de plusieurs experts à expliciter, selon des
méthodes appropriées à leur mode d'inscription,
de façon à respecter la culture de l'organisation.
1.6 Exemples díindices pertinents retenus pour modéliser Les différentes opérations díanalyse
Nous donnons ci-dessous quelques exemples
díindices utilisés par les conseillers juridiques
pour chacune des opérations díanalyse quíil
nous a fallu modéliser et nous fournissons des indications
sur la place qui leur a été réservée
dans le prototype. 1.6.1 La sélection L'annexe 2 au Règlement sur la cueillette et la sélection des décisions judiciaires (Loi sur la Société québécoise d'information juridique (L.R.Q., chap. S20, art. 21) indique qu'une décision peut être sélectionnée si elle contient un des éléments suivants : 1) un point de droit nouveau; 2) une orientation jurisprudentielle nouvelle; 3) des faits inusités; 4) une information documentaire substantielle; 5) une problématique sociale particulière. Notons tout de suite que tous les jugements de la Cour suprême sont gardés ainsi que tous les jugements de la Cour d'appel à moins que ces derniers ne soient pas motivés. Pour les autres cas, les conseillers juridiques nous ont fourni, pour chacun des critères mentionnés dans le règlement, au moins un exemple d'indice textuel, mais, à part le nombre de citations aux lois et à la jurisprudence, ce sont des indices qui se détectent difficilement par une analyse automatique. Nous avons été à même de constater que líétape de la sélection repose sur des opérations cognitives complexes mettant en jeu de nombreuses connaissances spécialisées. La détection de la plupart des indices pertinents nécessite une compréhension du sens des phrases ou de plus larges portions du texte (par exemple, lorsque le juge exprime son désaccord - critère no2) et des connaissances sur le monde, en particulier sur l'actualité (en Responsabilité civile, il faut détecter le fait inusité - critère no3 - comme un traitement médical nouveau ou la chute d'une personne aveugle sur un trottoir). Ou bien il faut identifier, à l'intérieur des textes, certaines catégories d'information et apprécier leur importance relative, par exemple la nouveauté du jugement par rapport à ceux qui ont été publiés dans des numéros antérieurs, etc. Cíest pourquoi la prise de décision restera toujours la prérogative des conseillers juridiques.
En plus de consulter les experts, nous
avons procédé par apprentissage sur corpus. Après
examen díun certain nombre de jugements rejetés
(disponibles sur support papier seulement) et díune série
de jugements retenus, nous sommes arrivés à la conclusion
que quelques critères formels simples permettent néanmoins
de déclarer candidats au rejet un certain nombre de textes
: 1) les jugements sont courts; 2) les
jugements sont de type formulaire; 3) ils proviennent
de la Cour des petites créances; 4) ils
entérinent une convention. Une liste de types de requêtes
ne faisant généralement pas l'objet de sélection
a été constituée, mais n'est pas encore validée
définitivement. Le prototype inclut seulement le premier
et le dernier critères et nous envisageons díy rajouter
celui qui s'appuie sur la structure physique des jugements. La
tâche sera d'autant plus facile que les textes seront saisis
selon la norme SGML (Standard General Markup Language), ce que
malheureusement n'a pas prévu pour le moment le ministère
de la Justice. 1.6.2 Le tri-classification Un document Savoir-faire des conseillers juridiques pour le tri a été constitué à partir des entrevues effectuées auprès des conseillers juridiques. Il explicite les critères de tri utilisés pour chacune des 57 grandes classes du plan de classification. Il s'avère que l'appartenance d'un jugement à un domaine du droit peut être décelée, dans plusieurs cas (par exemple : DROIT PÉNAL, FAMILLE, TRAVAIL), d'après quatre types de renseignements contenus dans la première page : le tribunal, le nom des parties ou la procédure entreprise, le numéro de greffe, l'intitulé du jugement le cas échéant. - Ainsi, un jugement provenant de la Chambre d'expropriation de la Cour du Québec traitera assurément du domaine de l'expropriation. Par ailleurs, un jugement dont l'une des parties est un syndicat pourrait vraisemblablement aborder le droit du travail. Enfin, un jugement qui mentionne qu'il s'agit d'une requête en irrecevabilité à l'encontre d'une action en dommages-intérêts pourrait être classé en procédure civile. - Dans certains cas, le numéro de greffe permet de classer immédiatement le jugement sous la bonne rubrique : par exemple, lorsque le chiffre qui suit le premier tiret est 11 (500-11-222222), il s'agit de FAILLITE, 41 pointe vers FAMILLE-PROTECTION DE LA JEUNESSE, 12 ou 04 vers FAMILLE, 43 vers FAMILLE-ADOPTION. Mais comme il existe des chevauchements entre plusieurs rubriques de classification (par exemple, le DROIT CIVIL recoupe OBLIGATIONS, VENTE, CONTRATS, entre autres) et comme plusieurs rubriques (quatre au maximum) peuvent être attribuées à un même jugement en vertu des politiques implicites de classification, il est parfois nécessaire de consulter le texte du jugement, pour prendre connaissance soit des lois ou articles du code civil cités, soit du vocabulaire employé par le juge (on retrouve dans ce vocabulaire beaucoup des termes répertoriés dans le thésaurus ou le plan de classification). Pour le domaine ASSURANCE, par exemple, sur la première page, le tribunal qui rend la décision n'est pas un bon indice. Si le nom d'une des parties désigne une compagnie d'assurances, il est possible mais pas certain qu'il faille classer le jugement dans ASSURANCE; une compagnie d'assurances qui a indemnisé son assuré peut, en effet, poursuivre la personne qui lui a causé des dommages et il faudrait alors classer le jugement dans RESPONSABILITÉ. Le fait que, dans le texte du jugement, les articles 2468 à 2676 du Code civil ou bien la Loi sur les assurances soient cités, vient renforcer le second indice. Si, de surcroÎt, le jugement comporte les termes comme : assurance-automobile, assurance collective, assurance de chosesÎ ou ses spécifiques : assurance-incendie, assurance-vol, assurances de personnesÎ ou à nouveau les spécifiques de ce dernier terme : assurance-vie, assurance-invalidité, assurance-accidentÎ, ou encore assurance (de) responsabilité, assurance maritimeÎ , alors on peut prendre la décision de le classer dans ASSURANCE avec une quasi-certitude de ne pas se tromper. Notre enquête cognitive a révélé líutilité díautres types de combinaison díindices comme la présence d'un terme associée à sa position (par exemple, requête en liquidation d'une compagnieÎ qui, se trouvant dans les premières pages du jugement, entraÎne la décision de le classer dans COMPAGNIES, de même que demande en divorceÎ qui permet de le classer dans FAMILLE) ou la co-présence et la proximité de deux termes surtout dans le cas où l'un des termes est vague et peut pointer vers plusieurs domaines du droit (délégationÎ près du terme obligationÎ est un bon indice pour le classement sous la rubrique OBLIGATIONS, de même que divorceÎ et pension alimentaireÎ ou prestation compensatoireÎ pour FAMILLE). Mais ceci nía pas été implanté dans le prototype actuel. Enfin, notons que certains indices permettent de classifier immédiatement le jugement dans une sous-rubrique sans attendre une analyse plus approfondie de la part du conseiller juridique responsable du domaine : ainsi, le nom du tribunal Cour du Québec - Chambre de la jeunesseÎ et la mention de la Loi sur la protection de la jeunesseÎ pointent sans ambiguïté vers la sous-rubrique PROTECTION DE LA JEUNESSE dans la rubrique FAMILLE. On constate que l'analyseur textuel doit repérer plusieurs indices différents. Il faut pour cela que ces éléments fassent l'objet d'une fouille appropriée, ce qui est réalisé grâce au système de marquage de propriétés dans SATO et pourrait líêtre au préalable avec SGML, dans certains cas comme les citations de lois et de jurisprudence, par exemple.
Nous avons ajouté à cette
approche linguistico-cognitive, une approche purement statistique
qui a consisté en une analyse discriminante (effectuée
avec SPSS) des mots par rapport à un corpus díapprentissage
: líalgorithme utilisé est capable de produire un
indice de confiance dans le résultat obtenu. 1.6.3 La prise de connaissance du contenu du jugement en vue de la rédaction du résumé En observant les conseillers juridiques en train de parcourir et díannoter les textes de jugements et en recueillant les commentaires quíils ont bien voulu faire pendant ou après líexécution de leur tâche, nous avons pu brosser un portrait de la façon dont ils prennent connaissance du contenu. Nous avons constaté que certains éléments utiles pour le tri-classification peuvent ensuite être réutilisés avec díautres indices pour la rédaction du résumé et líindexation. Nous avons ensuite pu établir une liste des éléments textuels importants pour chacun des experts selon les domaines de droit dans lesquels il oeuvre. Chaque spécialiste possède un schéma de la structure d'exposition des jugements dans tel ou tel domaine et recherche les énoncés-clés dans les parties réputées les contenir : questions de droit au début du jugement, motifs d'accusation (motifs suivantsÎ, chefs díaccusationÎ) et peine dans les premières lignes, énoncés des faits (les faits se résument comme suitÎ) au début du jugement, moyens de procédure. Les unités lexicales, particulièrement celles qui figurent dans le thésaurus et, le cas échéant, dans les listes de termes supplémentaires élaborées par quelques conseillers ainsi que les expressions pouvant indiquer qu'il y a discussion, lien de causalité, interprétation, etc. semblent constituer de bons déclencheurs dans certains domaines, mais aussi la citation d'un article de loi, la mention du Code civil ou du Code de procédure civile, de la Charte québécoise des droits et libertés, etc. Certaines divergences de lecture tiennent tout simplement au style cognitif des conseillers juridiques, mais peuvent en même temps être déterminées par la plus ou moins grande complexité du domaine ou les possibles recoupements entre domaines dans lesquels les jugements peuvent être classés : là où une personne lit intégralement le texte pour en prendre connaissance, plusieurs autres se contentent d'une lecture rapide favorisant qui le début et la fin du texte, qui le début et la fin de chaque paragraphe. Dans le prototype de système expert, nous avons, pour le moment, retenu trois profils de lecture qui conviennent à tous : 1) les termes appartenant aux outils documentaires (thésaurus et plan de classification); 2) les intervenants (Juge, cour, parties, etc.); 3) les sources du droit (lois, articles, jurisprudence, etc.). Des couleurs différentes les mettent en relief et líon peut les visualiser, au choix, dans le texte intégral, dans leur contexte immédiat, dans les phrases dans lesquelles ils sont insérés ou encore dans les paragraphes. Pour une étape ultérieure de notre recherche, nous envisageons, en outre, une aide à la lecture personnalisée en fonction du domaine de droit dans lequel le jugement aura été préalablement classé, cette aide consistant tout simplement à mettre en relief par des couleurs les indicateurs particuliers à ce domaine. Par exemple, en RESPONSABILITÉ, le système surlignerait : liens de causalitéÎ, fauteÎ, dommage exemplaireÎ, Charte des droits et libertésÎ, etc.
Finalement des études exploratoires
nous ont montré quíil serait possible de mettre
en lumière de façon différenciée,
les parties du jugement qui traitent du litige, du contexte et
de la décision, díaprès des constantes de
vocabulaire observées dans les résumés où
ces trois parties sont très nettement distinguées
(occurrences de lexèmes très différents,
temps des verbes, etc.). 1.6.4 Líindexation La tâche díindexation, plus complexe que les tâches précédentes, nía pas été aussi bien explicitée par les experts et nous avons dû nous appuyer sur la littérature - très peu diserte cependant - pour formuler des hypothèses en vue des traitements. En effet, l'étude cognitive des opérations d'analyse documentaire ne bénéficie pas d'une longue tradition en sciences de líinformation (Bertrand, 1993; Bertrand-Gastaldy et al. , 1994; David, 1990; Endres-Niggemeyer, 1990; Farrow, 1991). Mais il est clairement apparu que líassignation des termes à insérer dans la manchette puis dans líindex est effectuée díaprès le résumé. D'ailleurs, pour expliquer ses choix, une personne nous a précisé : En lisant le résumé, il y a des mots qui clignotent. Question d'expérience, de flair.Î Le dispositif auquel nous recourons pour mettre les termes importants en valeur permet justement de faire clignoter les termes marqués. Le type de termes retenus, leur localisation dans le résumé, leur forme, leur ordre d'inscription semblent répondre à de très nombreuses règles mises au point par chacun au fil de l'expérience, selon les domaines. Si le système expert doit reproduire ces règles, la tâche va être longue et surtout va nécessiter de entrevues supplémentaires : chaque cas est un cas particulier ou presque. Par contre, c'est à ce prix que le système pourra faciliter la cohérence, - du moins la cohérence intra-indexeur -, alléger le fardeau des conseillers juridiques et les libérer pour les prises de décision les plus délicates, notamment pour les cas-frontières. En attendant de pouvoir approfondir cette enquête cognitive, nous nous sommes livrés à une étude comparée des propriétés des termes présents ou pas dans les résumés et retenus ou pas dans les manchettes. Toutes nos études ont pris appui sur les phénomènes díintertextualité entre les résumés, les manchettes et les outils documentaires. Nous avons, entre autres, examiné líimportance de critères comme la position des termes dans la macro et la meso-structure des résumés, leur fréquence, leur valeur discriminante. Pour concevoir une aide à líindexation directement à partir des textes intégraux, notamment pour ceux qui ne feront pas líobjet de résumé (cíest une perspective envisagée par SOQUIJ à plus ou moins long terme), il faudrait inclure ceux-ci dans líétude des phénomènes díintertextualité. L'enquête cognitive a révélé, en outre, que, dans plusieurs domaines, l'indexation obéit à une sorte de grille implicite : le premier descripteur est chargé d'apporter tel type d'information, le second tel type de précision, etc. Par exemple, en droit pénal, on respecte líordre suivant : la rubrique, la sous-rubrique, le type díinfraction commise, les principes de droit étudiés dans la décision, les mentions sur l'appelant, le contexte de l'infraction, la peine imposée, alors quíen procédure civile, on retient successivement : líidentification de la procédure, le moyen de procédure, le type de défense. Sachant que, pour les experts de SOQUIJ, líordre díinscription des termes a une signification, il nous sera possible de mettre au point, dans une phase ultérieure, des traitements plus complexes permettant de comparer, dans chaque domaine du droit, les listes de termes assignés en première, deuxième, troisième positions, etc. pour faire surgir des grilles utilisées de façon peut-être inconsciente. Pour le moment, le prototype de système expert díaide à líindexation ne fait que surligner de façon différenciée les différents mots-clés potentiels et produire une liste de ces mots-clés triés selon le domaine de classification et classés par ordre de fréquence décroissante.
Avant díimplanter toutes les
fonctionnalités envisagées (prise en compte de la
valeur discriminante, de la position dans la macro-structure et
la micro-structure), il faut que les experts prennent plusieurs
décisions sur leurs politiques díindexation en fonction
de nos observations et recommandations et se prononcent également
sur les modifications des outils documentaires. Nous pensons quíen
les confrontant aux résultats produits par un système
expert encore rudimentaire, nous les aiderons à expliciter
davantage les choix quíils feront à partir des suggestions
de la machine. 1.7 Les propositions díenrichissement des outils documentaires
Tout au cours de notre projet, nous
avons été amenés à étudier
líutilisation des outils documentaires et à introduire
des modifications qui facilitaient le travail de marquage automatique,
modifications qui pourraient même être utiles dans
le contexte díune analyse humaine. 1.7.1 Les modifications à apporter au plan de classification
Díaprès le taux díutilisation
des différentes rubriques et sous-rubriques, le plan de
classification nous a semblé répondre au volume
et au rythme de publication des analyses de jugements dans Jurisprudence
Express. Nous avons simplement recommandé d'examiner
la possibilité de subdiviser deux classes fortement représentées
et de recourir davantage aux subdivisions pour le repérage
des notices dans une base de données automatisée,
de façon à permettre une sélection relativement
fine aux utilisateurs ayant un domaine particulier en tête.
Le besoin de sélectivité níest pas le même
dans les publications imprimées, surtout celles qui paraissent
à un rythme hebdomadaire comme Jurisprudence Express.
1.7.2 Les études effectuées sur líutilisation du thésaurus Le marquage des termes nécessaire à plusieurs de nos traitements, de même que le désir de mieux évaluer dans quelle mesure le thésaurus répondait aux besoins d'indexation tels qu'implicitement fixés par les conseillers juridiques, nous ont conduits à effectuer une série d'études complémentaires. Nous avons, par exemple, recherché les variantes morphologiques et les variantes syntaxiques, la présence de descripteurs et non-descripteurs à l'intérieur des mots-clés libres dans les manchettes (qui constituent environ 60% des mots-clés), étudié les structures les plus fréquentes pour la formation de ces mots-clés libres, fait la liste des descripteurs jamais employés ou jamais employés seuls, etc. Nous avons aussi tenu compte des cooccurrences des différents termes (descripteurs et non-descripteurs, mots clés libres) entre eux et avec les rubriques de classification. En outre, en calculant la force díassociation des termes avec les rubriques (selon une méthode qui tient compte de la fréquence), nous sommes désormais en mesure díamorcer une structuration du vocabulaire par domaine de droit et donc de concevoir une réconciliation de deux outils documentaires (qui se recoupent et se contredisent parfois). Bref, la richesse des analyses effectuées permet díoffrir une multitude de points de vue sur líutilisation effective (plutôt que souhaitée lors de la conception) de ces outils, au fil des ans, par plusieurs personnes. Nous avons donc soumis à SOQUIJ non seulement un portrait des outils et des pratiques actuelles, mais des suggestions très détaillées pour líenrichissement et la modification de ces outils et de ces pratiques.
Les résultats de nos différentes
études, nous ont amenés à conclure que le
thésaurus devait être enrichi; d'abord pour contrôler
une indexation qui s'avère, dans les faits, plus spécifique
que ce que permet l'outil actuel, ensuite parce que le système
expert doit pouvoir repérer toutes les formes possibles
d'un descripteur dans les résumés et éventuellement,
dans les textes intégraux pour les ramener aux formes souhaitées
pour l'indexation, enfin parce que, une fois les descripteurs
organisés selon une hiérarchie stricte, il devient
possible díopter pour différents niveaux de généricité
selon les produits documentaires (en fonction notamment de leur
périodicité, de leur support et de leur couverture
du domaine). 2. LA RÉALISATION DU PROTOTYPE DE SYSTÈME EXPERT La section précédente exposait la modélisation (méthode et résultats) effectuée pour líaide à la sélection, à la classification, à la lecture et à líindexation des jugements; la présente section traite de l'implantation réalisée du modèle. Les aspects suivants sont touchés : la tâche à informatiser; la motivation du choix de la technologie des systèmes experts; l'incertitude reliée à cette entreprise; l'arrimage du système expert avec l'analyse de textes par ordinateur; le design de la chaÎne de traitement des documents; les aménagements apportés au traitement standard de l'incertitude; la réalisation de la base de règles par apprentissage et les problèmes laissés en suspens. 2.1 La tâche à informatiser Comme on a pu le constater dans la section précédente, les tâches à informatiser présentent un haut niveau de complexité et sont accomplies dans un contexte de production. Rappelons que les publications de SOQUIJ connaissent des échéances et sont assujetties aux lois du marché. Ces tâches sont dites cognitives en ce que leur accomplissement requiert la mise en oeuvre particulière et discrétionnaire de connaissances et de stratégies générales accumulées durant l'exercice répété et supervisé des tâches mêmes. Pour leur réalisation, de nombreuses informations de source et de valeur diverses et parfois contradictoires doivent être recueillies et synthétisées. Par conséquent, une méthode mixte de modélisation a été déployée; il s'agit de faire converger les résultats d'une enquête cognitive auprès des conseillers juridiques, d'un traitement statistique de la distribution des indices et d'une analyse de texte plus qualitative.
La stratégie retenue est de recourir
au plus grand nombre de sources de connaissances, identifiées
lors de la modélisation, pour lesquelles des indices sont
repérables dans les jugements. Par source de connaissance
nous entendons, par exemple, la longueur du jugement, les lois
qui y sont mentionnées, le tribunal qui a rendu le jugement,
etc. Dans la mesure où ces sources de connaissances s'avèrent
distinctes les unes des autres, il est possible de fonctionner
avec un principe de convergence. Ainsi, on est d'autant plus certain
qu'un jugement pointe vers le domaine pénalÎ
que son numéro de greffe comporte en deuxième section,
l'une des combinaisons suivantes {01, 03, 10, 27 ou 36}, que ce
jugement a été rendu dans la Chambre criminelle
et pénaleÎ; que La ReineÎ est une des
parties impliquées et que le Code criminel y est
mentionné, etc. Cette stratégie présente
l'avantage de fonctionner, la plupart du temps de façon
satisfaisante, dans des conditions de bruit. Le bruit étant
essentiellement causé ici par les indices qui pointent
vers plus d'un domaine. 2.2 Motivation du choix de la technologie des systèmes experts Pour réaliser une implantation informatique du modèle cognitif obtenu, nous avons retenu la technologie des systèmes experts (SE) pour plusieurs raisons. L'implantation d'algorithmes incomplets et/ou sujets à de fréquentes révisions est possible car les règles d'inférences qui tiennent lieu des instructions d'un programme conventionnel sont indépendantes les unes des autres et leur enchaÎnement est assuré par un mécanisme général appelé moteur d'inférences. Il n'est donc pas nécessaire de prévoir à l'avance le déroulement complet de la solution définitive du problème : l'implantation peut être modulaire et évolutive. La réalisation d'un prototype se trouve à jouer un rôle heuristique en permettant d'achever la conception par des boucles de tests/ajustements en situation. La structure des règles d'inférences autorise une implantation quasi directe du modèle cognitif qui a été développé : un ou plusieurs indices détectés dans le texte du jugement (la prémisse) sont mis en relation avec une rubrique du plan de classification (la conclusion). De plus, la certitude de ces relations peut être qualifiée au moyen d'un coefficient numérique qui sera cumulé tout au long de la consultation. Ce cumulÎ d'une part atténue la valeur des validations subséquentes lorsqu'une validation est affectée d'un coefficient incertain et, d'autre part, renforce la valeur d'une validation qui a déjà été réalisée. Le chaÎnage avant des règles permet enfin d'obtenir toutes les réponsesÎ valides et non une seule; un jugement peut donc être classifié dans plus d'un domaine avec une certitude différente pour chacun. Le découpage en règles d'inférence facilite la génération en contexte d'un rapport qui permet de valider les associations indices/rubrique du plan de classification, de localiser précisément les dysfonctionnements et finalement d'entraÎner des conseillers juridiques novices. 2.3 Les incertitudes reliées à cette entreprise Une fois la technologie des SE retenue en raison de caractéristiques qui apparaissaient souhaitables étant donné le projet, plusieurs incertitudes demeuraient; certaines ont été résolues lors de la réalisation du prototype et les solutions retenues feront l'objet des prochaines sections. Une incertitude provenait de ce que les indices nécessaires pour la classification des jugements sont essentiellement de nature textuelle. Ainsi, contrairement aux situations habituelles de développement des SE, les indices ne sont pas fournis directement au système par l'utilisateur ou des senseurs. Cet état de fait implique le partage du traitement entre le SE pour interpréter les indices et un logiciel d'analyse de texte par ordinateur (ATO) pour les dépister dans le texte des jugements. De plus, ces indices dépistés par le logiciel d'ATO doivent être transformés pour être admissibles au SE. Une autre incertitude consistait à développer et implanter une chaÎne de traitements qui soit conforme au traitement accompli par les conseillers juridiques, notamment en dépistant les mêmes types d'indices. La difficulté est double : le dépistage en lui-même et le regroupement des indices de nature différente. Une autre incertitude enfin était liée à l'utilisation des coefficients de certitude pour rendre compte du fait que les indices sont rarement totalement fiables. En effet, un indice peut pointer vers plus d'un domaine du droit ou encore la présence d'un indice peut être considérée comme accidentelle et constituer en quelque sorte du bruitÎ. De plus, le mode de cumul des coefficients présente certains problèmes qui sont documentés. Certaines autres incertitudes sont toutefois demeurées, principalement parce que des recherches plus fondamentales dont l'envergure dépassait le mandat s'avèrent nécessaires; celles-ci sont présentées dans la dernière section. 2.4 L'arrimage du système expert avec l'analyse de textes par ordinateur
Le générateur de système
expert (GSE) utilisé est l'Atelier Cognitif et TExtuel
(ACTE) développé au Centre ATO.CI. Le développement
de ACTE a démarré en février 1988, sur la
commande d'un consortium de ministères et organismes québécois
appelé DELTA; il s'agit d'une intégration logicielle
de SATO et d'une version optimisée du D_expert (GSE en
LISP). Cette intégration permet de faire du diagnostic
textuel, c'est-à-dire de ne plus modéliser comme
tel le contenu des textes, mais bien les opérations cognitives
de lecture et de compréhension, opérations qui sont
en jeu pour la classification des jugements. La séquence
qui a été retenue consiste à effectuer en
lot une série de fichiers de commande SATO qui dépistent
et identifient, principalement à l'aide de concordances,
les différents types d'indices. Voici, par exemple, un
extrait d'un tel fichier de concordances identifiant certaines
requêtes qui, lorsque le jugement n'est pas motivé,
entraÎnent le rejet : L'interface entre les traitements effectués par SATO et le SE se fait par la consignation dans un fichier du résultat - succès ou échec - de chacune des concordances. Ce fichier est alors traité pour ne conserver que les résultats positifs qui sont identifiés à l'aide d'une table, ce qui permet de normaliser le segment dépisté. Si l'on poursuit l'exemple précédent et que la deuxième concordance est réussie, peu importe la formulation exacte du segment dépisté, l'appellation normalisée sera transmise au SE. 2.5 Le design de la chaÎne de traitement des documents La modélisation cognitive de la tâche a été transformée en une suite séquentielle de traitement dont une schématisation est jointe en annexe. La première étape consiste en un prétraitement qui est requis pour rendre les jugements admissibles à SATO. Reçus en format WordPerfectÎ, ils sont d'abord convertis en ASCII sans perdre les codes indiquant les attributs graphiques (gras, souligné, etc.) à l'aide d'un fichier de configuration d'imprimante élaboré à cet effet. Les codes de début et de fin deviennent des valeurs de la propriété typo: (...) l'arrêt Laurentide Motels Ltd. c. Ville de Beauport, (...)
(...) l'arrêt *typo=+soul Laurentide
Motels Ltd*typo=-soul. c. *typo=+soul Ville de Beauport *typo=-soul
(...) Puis, un programme en ICON procède à la désambiguïsation des marques de phrase et de paragraphe. Le point marque habituellement la fin des phrases, mais il est aussi utilisé dans la notation de nombres décimaux, dans des sigles et il indique une abréviation. Surtout dans les domaines législatifs et administratifs, la mise en page d'une énumération ne se distingue que difficilement d'une suite de paragraphes. Enfin, certaines commandes nécessaires pour que le programme SATOGEN transforme le texte en matrice admissible à SATOINT sont ajoutées : l'alphabet, les séparateurs, les valeurs de la propriété typo. Dans une deuxième étape, les indices textuels relatifs à chacune des sources de connaissances, sont dépistés, principalement par l'exécution de fichiers de commande SATO renfermant des concordances, à l'exception du numéro de greffe qui est dépisté par un programme ad hoc en ICON. La troisième étape est celle de la mise en relation des indices dépistés avec les domaines du droit pertinents à l'aide du SE. Ce faisant, un rapport de la consultation est produit où sont consignés, pour chacune des sources de connaissance, les indices dépistés ainsi que les associations qui sont faites avec des domaines; une justification en contexte est, à l'occasion, fournie; un exemple de rapport est joint en annexe.
La quatrième étape,
appelée assistance à la lecture, est optionnelle.
Elle consiste en l'affichage des indices dépistés
pour effectuer la tâche de classification ou encore d'autres
indices. La distinction entre les types d'indices est produite
par l'utilisation de couleurs différentes. Cette visualisation
peut être effectuée selon un ou plusieurs profils.
Les profils offerts actuellement ont été mentionnés
plus haut, il s'agit des intervenants [Juge, cour, parties,
etc.]; des sources du droit [lois, articles, jurisprudence,
etc.] et des outils documentaires [thésaurus et
plan de classification]. Voici, à titre d'illustration
un extrait de jugement : Il s'agit d'une procédure assez exceptionnelle puisque, le requérant allègue certaines erreurs de droit du juge de paix. (...) Il y a évidemment ici la gravité objective de l'accusation. ° C'est une des plus sérieuses, une des plus graves que le Code criminel contient -- plutôt que la Loi des stupéfiants contient (...) 2.6 Les aménagements apportés au traitement standard de l'incertitude Chacun des indices peut pointer vers plusieurs domaines, avons-nous dit précédemment. De plus, une même confiance n'est pas accordée à toutes les relations établies entre les indices et les domaines. Les SE offrent la possibilité d'implanter des structures conditionnelles pondérées par des coefficients numériques, de même qu'une fonctionnalité pour leur cumul. Le cadre théorique le plus souvent utilisé est celui des coefficients de certitude développé pour le système Mycin. Rappelons que le principe du cumul des coefficients est le renforcement; en voici un exposé simplifié : si on arrive à une même conclusion à partir de deux sources de connaissances distinctes, on attribue à cette conclusion un coefficient supérieur au coefficient le plus élevé. Ce principe permet donc de discriminer les différents domaines du droit vers lesquels l'ensemble des indices repérés pointe. Lorsqu'appliqué à notre système, ce cadre théorique pose toutefois deux ordres de problèmes. Il a été démontré d'une part qu'il était très difficile pour des experts d'exprimer leur confiance dans les relations qu'ils établissent entre des faits vérifiés ou tenus pour vrais et des conclusions sous la forme d'un coefficient numérique. D'autre part, un calibrage des coefficients doit être effectué en fonction du nombre de renforcements qui sont susceptibles de se produire pour que l'effet discriminant soit optimal. En effet, si beaucoup de renforcements ont lieu alors que les coefficients sont élevés, plus le résultat tend vers 100, plus il perd de la valeur discriminante; la valeur des coefficients ne doit pas être élevée. Par ailleurs, si les renforcements ne sont pas nombreux et que les coefficients sont très bas, les résultats ne seront pas convaincants. Pour remédier à ces deux problèmes, une approche modulaire a été développée. L'expression de la confiance quant à la relation entre les indices et les domaines du droit est séparée de l'algorithme de cumul par renforcement qui intervient lors d'une consultation.
Cette confiance est exprimée
par des coefficients symboliques distribués sur une échelle
bi-polarisée qui comporte cinq valeurs : forte [f++],
moyenne-forte [f+], moyenne [m], moyenne-faible [f-] et faible
[f--]. Une conversion de ces coefficients symboliquesÎ
en des coefficients numériques admissibles à l'algorithme
de cumul. L'échelle numérique des coefficients est
de 1 à 100. Cette fonction a deux rôles : exprimer
l'écart entre les coefficients symboliques et ajuster leur
valeur en fonction du nombre potentiel de renforcements. L'écart
entre les coefficients détermine leur aspect discriminant.
La figure de gauche montre une discrimination plutôt constante,
celle qui est présentement implantée, la figure
de droite montre une forte discrimination; l'utilisation du coefficient
le plus élevé indique une relation prépondérante :
Le calibrage de la valeur numérique attribuée à chacun des coefficients symboliques en fonction du nombre potentiel de renforcements, se fait par essai-erreur. Des recherches supplémentaires sont requises pour déterminer une méthode exacte. 2.7 La réalisation de la base de règles par apprentissage La technologie des SE ne présente comme tel aucun mode d'apprentissage, les règles d'inférences doivent être écrites et modifiées de la même manière : une à une à l'aide d'un éditeur spécialisé.
Afin de pallier cette carence, deux
solutions ont été combinées : une approche
tabulaire et une étude de corpus. Comme elles expriment
des relations simples, les règles d'inférences peuvent
s'exprimer sous forme de tableau, en trois colonnes : l'indice,
le domaine et le coefficient de confiance, géré
par une base de données ou un tableur; ainsi par exemple
un extrait du tableau des numéros de greffe :
Le passage aux règles d'inférences
est le fait d'un programme en ICON qui constitue la prémisse
à partir de la première colonne, la conclusion à
partir de la deuxième et opère le passage du coefficient
symbolique en un coefficient numérique : Connaissance Règle Définir 201 ** Note "TRI -> 1ère page -> no de greffe : 03" ** Auteur automatik ** Création 1904-01-01 00-00-00 ** Si ** Base TRI ** Granule "Indices de première page" ** ( Trait "section du no de greffe" = ChaÎne "03" ) ** Alors ** Base TRI ** Granule Document ** ( Trait domaine = ChaÎne "Pénal" Coef 20 ) ** CanalEcrire ( Canal rapport ** Message " Ce no. de greffe pointe vers le domaine " ** Base TRI ** Granule Document ** Trait domaine ** Message " avec une confiance forte" ** Message " ; cumulatif de : " Coefficient ** Message "%" Retour **
)
L'étude d'un corpus constitué
de jugements déjà classifiés a permis de
littéralement découvrir des indices pour la plupart
des sources de connaissances. À titre d'illustration, le
cas des lois citées sera décrit. Pour chacun des
domaines du droit, un sous-texte a été constitué
de tous les passages en italique à l'aide de SATO. Ces
sous-textes ont été épurés de façon
à ne contenir que les lois citées dans les jugements
et ont été constitués en tableaux avec le
domaine attribué : Loi de l' aménagement municipal Loi de l' assistance publique municipal Loi de l' évaluation foncière municipal Loi de la qualité de l' environnement municipal
Loi de police
municipal
Ensuite, ces tableaux ont été
fusionnés et triés, de façon à regrouper
pour chacune des lois tous les domaines pointés. Cette
distribution, suite à une validation par les conseillers
juridiques pour éliminer les aberrations, a guidé
l'attribution des coefficients de confiance. La règle suivie
est que si la distribution est égale, un coefficient faible
est attribué, sinon la force du coefficient est proportionnel
à la distribution. Ainsi, par exemple, la Charte canadienne
des droits et libertés apparaÎt dans les domaines
suivants avec cette distribution :
À partir de cette distribution,
les coefficients suivants ont été attribués :Pénal
(pena) f++Droits et libertés (drli)
f+Droit administratif (drad) mProfessions (prof) mTravail (trav)
mFamille (fami) f--Municipal (muni) f--Procédure civile
(proc) f--Responsabilité (resp) f-- À la suite de ces opérations, on obtient un tableau en trois colonnes qui permet de générer les règles d'inférences. Les indices qui pointent vers plusieurs domaines sont regroupés dans une même règle. 2.8 Les problèmes laissés en suspens Malgré tous les efforts déployés, des difficultés ont été laissées en suspens, parce qu'elles demandent des recherches dont l'envergure dépassait le mandat, mais dont l'intérêt apparaÎt évident étant donné le succès du prototype, par exemple : - l'intégration du coefficient de confiance dans le résultat obtenu par l'algorithme d'analyse discriminante utilisé au cumul des coefficients de certitude des règles d'inférences; - l'intégration des occurrences différentes des termes lemmatisés du plan de classification et du thésaurus dans le cumul des coefficients de certitude et la prise en compte de leur fréquence. Est-ce que plusieurs termes différents pointant vers un même domaine valent plus cher que des fréquences élevées de quelques termes ?
- la modification du modèle de cumul des coefficients
par renforcement qui ne permet que l'accroissement linéaire,
pour prendre en compte des indices invalidant un ou plusieurs
domaines, ce qui serait plus conforme au fonctionnement cognitif
des conseillers juridiques. CONCLUSION Líexpérience que nous venons díexposer a permis à líéquipe de recherche de vérifier : 1) quíil est possible de modéliser les opérations cognitives des experts dans diverses situations de lecture à partir díune enquête cognitive et díune analyse sémio-statistique des textes analysés et des résultats de plusieurs types díanalyses; 2) quíil est possible díimplanter un système expert síappuyant sur des stratégies dépistant dans les textes certains des indices détectés par les humains, à différents niveaux díorganisation des textes (éditorial, morpho-syntaxique, intra-phrastique, intra- et inter-textuel, sémantique, pragmatique, etc.). Il a également été constaté que plusieurs de ces indices sont utilisables pour faciliter la lecture selon les objectifs poursuivis par chacune des opérations de sélection, de tri-classification et díindexation. Pour cela, il faut disposer díun logiciel qui, non seulement autorise le marquage des unités textuelles et lexicales selon autant de caractéristiques que les hypothèses le suggèrent, mais aussi facilite auparavant la découverte de ces propriétés puis leur manipulation au même titre que la manipulation des chaÎnes de caractères. Nous avons également appris que la performance de nos méthodes de modélisation/formalisation était optimale lorsque l'information requise par les tâches cognitives se trouvait dans les textes sous la forme d'indices repérables. Ainsi, même lorsque la prise de connaissance du contenu semble superficielle (par exemple pour la sélection), si la prise de décision fait appel à des connaissances autres que celles de la langue et du cadre textuel, la tâche échappe en grande partie à nos méthodes. Par conséquent, comme les tâches requièrent pour la plupart de telles connaissances, les experts doivent toujours garder le contrôle des systèmes. En ce qui concerne líimplantation de la chaÎne de traitement, nous avons constaté que le succès reposait moins sur la complexité de la technologie ou des formules mathématiques que sur la maÎtrise une à une de chacune des sources de connaissances requises et des indices qui les désignent dans les textes.
Ajoutons quíun des bénéfices
importants de la recherche a consisté dans le portrait
des politiques et procédures díanalyse suivies par
la dizaine de conseillers juridiques telles que révélées
par líanalyse des données et líenquête
cognitive, dans la constatation de quelques divergences dont certaines
devaient être corrigées pour accroÎtre la prédictibilité
des index, et enfin, dans la production díun thésaurus
considérablement enrichi et líamorce díun
meilleur arrimage entre thésaurus et plan de classification.
REMERCIEMENTS Le projet a été soutenu financièrement par les institutions suivantes : Centre francophone de recherche en informatisation des organisations (CEFRIO), Société québécoise d'information juridique (SOQUIJ), Ministère des Communications du Québec, École de bibliothéconomie et des sciences de l'information, Université de Montréal, Centre de recherche en cognition et information ATO.CI, Université du Québec à Montréal.
Plusieurs personnes ont été
impliquées à diverses étapes du projet :
Jean-Guy Meunier, directeur du Centre ATO.CI; Sylvie Michaud,
bibliothécaire professionnelle; Myriam Desclos-Lalaude,
stagiaire de líI.E.P. (Cycle supérieur de spécialisation
en information et documentation, Institut díÉtudes
Politiques), Paris; Luc Dupuy, agent de recherche, centre ATO.CI,
Yves Khawam, professeur adjoint, ÉBSI et plusieurs étudiants
en bibliothéconomie et sciences de líinformation
ainsi quíen linguistique.
BIBLIOGRAPHIE DES SOURCES CITÉES
Beacco, J.-C. et M. Darot, 1984, Analyse de discours;
lecture et expression, Paris, Hachette / Larousse.
Beghtol, C., 1986, Bibliographic classification
theory and text linguistics : aboutness analysis, intertextuality
and the cognitive act of classifying documents, Journal of
Documentation, 42(2), pp. 84-113.
Bertrand, A., 1993, Compréhension
et catégorisation dans une activité complexe : l'indexation
de documents scientifiques, Université de Toulouse-Le
Mirail, Équipe de psychologie du travail ER 15- CNRS. (Thèse
de doctorat).
Bertrand-Gastaldy, S. , 1993, Analyse documentaire
et intertextualité, Les Sciences du texte juridique:
Le droit saisi par l'ordinateur, sous la direction de Claude
Thomasset, René Côté et Danièle Bourcier,
Cowansville, Les Éditions Yvon Blais, pp. 139-173.
Bertrand-Gastaldy, S., F. Daoust, G. Pagola et L.-C.
Paquin, 1993, Conception díun prototype de système
expert díaide à líanalyse des jugements :
rapport final présenté à SOQUIJ, vol. 1,
synthèse des travaux, [Montréal], Université
de Montréal, École de bibliothéconomie et
des sciences de líinformation / Université du Québec
à Montréal, Centre de recherche en information et
cognition ATO.CI.
Bertrand-Gastaldy, S., L. Giroux, D. Lanteigne et
C. David, 1994, Les produits et processus cognitifs de líindexation
humaine, ICO Québec, 6(1-2), pp. 29-40.
Blosseville, M.J., G. Hébrail, M.G. Monteil
et N. Pénot, 1992, Automatic Document Classification :
Natural Language Processing, Statistical Analysis and Expert System
Techniques Used Together, dans SIGIR 92, Proceedings of the
Fifteenth Annual International ACM SIGIR Conference on Research
and Development in Information Retrieval, Copenhagen, pp.
51-57.
Chaumier, J. et M. Dejean, 1990, Líindexation
documentaire : de líanalyse conceptuelle humaine à
líanalyse automatique morpho-syntaxique, Documentaliste
, 27(6), pp. 275-279.
David, C., 1990, Élaboration
d'une méthodologie d'analyse des processus cognitifs dans
l'indexation documentaire, Montréal, Université
de Montréal, Département de communication. (Mémoire
de maÎtrise).
Doszkocs, T., 1986, Natural language
processing in information retrieval, Journal of the American
Society for Information Science, 37(4), pp. 191-196.
Endres-Niggemeyer, B., 1990, A procedural
model of abstracting, and some ideas for its implementation, dans
TKE'90; Terminology and Knowledge Engineering, Frankfurt,
Indeks Verlag, pp. 230-243.
Farrow, J., 1991, A cognitive process
model of indexing document, Journal of documentation, 47
(2), pp. 149-166.
Meunier, J.-G., S. Bertrand-Gastaldy
et H. Lebel, 1987, A call for enhanced representation of content
as a means of improving on-line full-text retrieval, International
Classification; 14(1), pp. 2-10.
Meunier, J.-G., 1992, SATO : un philologue
électronique, Documentation et bibliothèques,
38(2), pp. 65-69.
Meunier, J.-G., S.Bertrand-Gastaldy
et L.-C. Paquin, 1994, La gestion et líanalyse des textes
par ordinateur : leur spécificité dans le traitement
de líinformation, ICO Québec, 6(1-2), pp.
19-28.
Van Dijk, T. A., 1977, Perspective paper
: complex semantic information processing, dans D.E. H. Karlgren,
H. et M. Kay, Natural Language in Information Science; Perspectives
and Directions for Research, Stockholm, Skriptor, pp.127-163.
prototype pour SOQUIJ, le CEFRIO et le MCQ Suzanne Bertrand-Gastaldy resp., Gracia Pagola EBSI : École de bibliothéconomie et des sciences de l'information, UdeM François Daoust et Louis-Claude Paquin
Centre ATO-CI : Centre de recherche
en cognition et information à l'UQAM Le système expert a pour tâche principale de sélectionner les jugements
et de désigner les rubriques
de classification les plus probables. ÉTAPE DE LA SÉLECTION Les jugements sont retenus pour traitement selon les critères suivants : la longueur dont le seuil est de 40 lignes ou 400 mots le type de requête. Ce jugement compte 179 lignes et 2002 mots.
Le jugement est sélectionné.
il a la longueur suffisante; il n'est pas répertorié
parmi les requêtes rejetées. ÉTAPE DU TRI-CLASSIFICATION Cette étape comporte quatre analyses : - les indices de la première page; - les lois et articles du code civil mentionnés; - la discrimination lexicale;
- la discrimination par les outils
documentaires. A. L'analyse des indices de la première page du jugement touche les indices suivants : 1) le numéro de greffe : 500-05-001562-899 - ne pointe vers aucun domaine 2) le tribunal : COUR SUPÉRIEURE - ne pointe vers aucun domaine 3) Le nom des parties - La ReineÎ pointe vers le domaine Pénal avec une confiance forte ; cumulatif de : 20% 4) L'intitulé du jugement
- ne pointe vers aucun domaine B Lois et articles du Code civil mentionnés code criminelÎ - pointe vers le domaine Municipal avec une confiance faible ; cumulatif de : 2% - pointe vers le domaine Pénal avec une confiance forte ; cumulatif de : 36% - pointe vers le domaine Professions avec une confiance faible ; cumulatif de : 2% L'article 614.3 C.C.Î
- pointe vers le domaine Famille avec
une confiance forte ; cumulatif de : 20%
C Analyse de la discrimination documentaire
Cette analyse est effectuée
par la projection des termes appartenant au thésaurus et
au plan de classification. 1 descripteur(s) pointe(nt) vers le domaine Droits et libertés 1 descripteur(s) pointe(nt) vers le domaine Sûretés 1 descripteur(s) pointe(nt) vers le domaine Travail 2 descripteur(s) pointe(nt) vers le domaine Responsabilité 3 descripteur(s) pointe(nt) vers le domaine Procédure civile
24 descripteur(s) pointe(nt) vers le
domaine Pénal ___________ F i n _ d u _ t r a i t e m e n t ___________
Suzanne Bertrand-Gastaldy est
professeure titulaire à líÉcole de bibliothéconomie
et des sciences de líinformation de líUniversité
de Montréal où elle est responsable du profil Analyse
de líinformation et bases de donnéesÎ. Ses
recherches portent essentiellement sur les méthodes díindexation
et díélaboration de vocabulaires de domaine assistées
par ordinateur ainsi que sur líévaluation des thésaurus
à la lumière des théories sémio-cognitives.
Louis-Claude Paquin
Gracia Pagola
est détentrice díune maÎtrise en bibliothéconomie
et sciences de l'information et a fait des études universitaires
en linguistique et informatique. Elle est chargée de cours
a l'EBSI et au Cégep Maisonneuve. Agente de recherche pour
plusieurs projets d'indexation et de contrôle de vocabulaire
assistés par ordinateur, elle est coauteure de publications
sur ce sujet et a travaillé à la constitution de
plusieurs bases de données bibliographiques et en texte
intégral.
François Daoust
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
