Introduction

Malgré tout ce que l'on a pu dire de l'importance que prennent les médias alternatifs, il reste qu'une très grande partie de l'information utilisée, tant par les chercheurs universitaires, que par les agents oeuvrant dans les organisations est toujours véhiculée par l'écrit. Alors que les objectifs de productivité sont de plus en plus élevés et que la masse des textes ne cesse de s'accroÎtre, les ressources humaines hautement qualifiées qui peuvent être allouées à leur lecture sont limitées par des contraintes temporelles et financières. Tel est le contexte dans lequel s'inscrit le recours à l'ordinateur.

La présente contribution consiste à proposer un cadre computationnel pour l'analyse des textes qui puisse accommoder une grande diversité de points de vue, satisfaire les besoins véritables de ceux qui sont aux prises avec les textes et enfin couvrir l'ensemble du processus d'analyse. La réalisation de ces objectifs nécessite qu'un renversement de perspective sur l'analyse des textes soit opéré. Plutôt que chercher à mettre au point un analyseur général et exhaustif de l'ensemble des structures des textes, nous proposons d'implanter un modèle de la lecture particulière telle qu'effectuée par des experts sur un ensemble particulier de textes. Cette approche, désignée par l'appellation de lecture experteÎ, s'est imposée à l'occasion de projets de recherches, mais surtout de projets pilotes dans les organisations. Elle justifie pour une large part la commandite du développement d'un Atelier cognitif et Textuel (ACTE).

Un examen de la problématique reliée à l'analyse des textes par ordinateur (ATO) nous a amené à abandonner le découpage de la tâche comme moyen de réduire sa complexité au profit d'une focalisation sur la lecture en tant qu'expertise à modéliser dont nous dégageons les opérations fondamentales. Nous proposons ensuite un modèle de traitement, un modèle computationnel pour en faire l'implantation et une méthodologie de développement. Enfin, les fonctionnalités dont l'ACTE sera à terme doté sont décrites en regard de l'ATO.

Problématique

Le processus analytique est habituellement conçu en quatre étapes successives : le découpage des unités significatives du texte, la description de ces unités, l'extraction d'informations à partir des descriptions et l'interprétation des informations. On arrive généralement à effectuer au moyen de l'ordinateur, à des degrés divers d'automatisme et avec plus ou moins de succès, les trois premières étapes. Cependant, à notre connaissance, aucun système basé sur l'un et/ou l'autre des trois modèles de traitement suivants : statistique, linguistique ou associationniste, ne s'est attaqué avec succès à l'interprétation qui pourtant constitue l'étape cruciale de l'analyse.

Quelque soit le modèle de traitement privilégié, c'est la stratégie étapisteÎ mise en oeuvre dans le développement des systèmes d'ATO qui, à notre avis, est déficiente. Étant donné les difficultés rencontrées à chacune des étapes, celles-ci deviennent des finalités. Le découpage du texte en mots ne donne pas pour autant des unités significatives; celles-ci sont souvent composées de plusieurs mots et leur délimitation peut donner lieu à des traitements élaborés. La description linguistique des unités et de leurs relations à l'intérieur de la phrase est elle-même l'objet d'une stratégie étapisteÎ et chacune des étapes constitue en elle-même un champ de recherches.

Par ailleurs, la description syntaxique d'un texte, même si elle permet à terme d'accéder à une certaine sémantique relationnelle des unités, ne contribue qu'en partie à la description des niveaux supérieurs d'organisation du texte, tels la structure argumentative ou encore les figuresÎ, dont la prise en compte est pourtant essentielle à l'interprétation du texte. C'est qu'un texte n'est pas seulement un fait de langue mais aussi de discours. Ce dernier aspect fait appel à des connaissances externes au texte analysé, celle des autres textes et celle des conventions sociales qui en régissent la production. Voilà pourquoi l'étiquetage contextuel de catégories autres que linguistiques aux unités significatives est si difficile à réaliser à l'aide de l'ordinateur.

Plutôt que de réduire la complexité du processus analytique en le découpant en étapes et de consacrer des efforts théoriques et computationnels à la résolution automatique de tous les problèmes qui se posent pour chacune des étapes, nous proposons de focaliser sur les besoins et les pratiques de ceux qui effectuent l'analyse des textes, les lecteurs. Au lieu de chercher à mettre au point un algorithme général d'ATO, nous mettons l'accent sur la modélisation d'une lecture particulière des textes et le passage d'une lecture humaine vers une lecture machine.

La lecture en tant qu'expertise

La lecture nous apparaÎt relever plus d'un savoir-faire plus ou moins implicite, que d'un savoir exact formalisé dans une théorie. Il s'agit d'une expertiseÎ, acquise non pas tant par apprentissage mais au fil d'une pratique. De plus, cette pratique constitue rarement une fin en elle-même, est partie intégrante d'une activité professionnelle, comme par exemple, déterminer l'admissibilité d'un dossier ou encore à analyser des récits de vie, etc. Nous explorons un modèle empirique de la lecture pour en dégager les composantes opérationnelles mises en oeuvre par les experts de domaine. Dans cette perspective, le lecteur expert effectue sur les textes quatre opérations fondamentales dont la complexité est croissante : segmenter, filtrer, déchiffrer et interpréter.

La segmentation consiste à découper la suite des caractères du texte en mots significatifs. Tous les mots d'un texte ne sont que rarement pris en compte par le lecteur. La plupart du temps, un filtrage plus ou moins sévère est effectué en vertu de ses objectifs, de sa connaissance du domaine de référence, etc. Sa lecture se trouvera d'autant accélérée que le filtrage sera sévère. Toute l'information nécessaire à sa compréhension n'étant pas repérable à la surface du texte, le lecteur procède au déchiffrement d'indices lui donnant accès à l'information ou encore projetant un éclairage particulier sur celle-ci.

Par ailleurs, déchiffrer c'est aussi prédire dans la mesure où, même sans la co-présence de tous les indices, le lecteur peut quand même accéder à l'information du texte. Son expertise lui permet de lire entre les lignesÎ, de combler l'absence d'indices ou encore de discriminer la relation probable entre les indices de celle qui ne l'est pas dans des configurations ambiguës. Il utilise alors les indices déjà relevés au cours de la lecture ou fait appel à des lectures précédentes. Dans le cadre des théories cognitives, on dirait que le lecteur a en tête des prototypesÎ qu'il retrouve dans les textes dans un état plus ou moins complet.

Quant à l'interprétation, dans la perspective opérationnelle qui est la nôtre, c'est une relation que fait le lecteur entre l'information obtenue par le dépistage des indices et la connaissance qu'il a du monde de référence.

Le modèle de traitement

Le modèle de traitement qui a été élaboré pour prendre en compte les quatre opérations de la lecture dégagées précédemment tente de répondre aux contraintes suivantes : demeurer assez simple pour permettre une implantation sur micro-ordinateur dotée d'une couverture satisfaisante et être assez général pour demeurer unique malgré des expertises de lecture différentes. Chacune de ces opérations est en quelque sorte une transformation effectuée sur un texte d'origine et dont le résultat est un autre texte.

Avant même d'effectuer la segmentation du texte en unités significatives, tout comme le lecteur devant un mot nouveau consulterait le dictionnaire, le premier traitement consiste à projeter sur les mots du texte des descriptions pertinentes. Cette information catégorielle, appelée indicesÎ peut être assignée, soit hors contexte à toutes les occurrences d'un mot donné, soit à une occurrence donnée dans un contexte particulier. Selon les besoins du modèle de lecture, l'information pourra être de nature linguistique, relative à la morphologie, au lemme; à la syntaxe, etc. L'information pourra aussi être la distribution du mot au travers du texte, du corpus et/ou d'une partition de celui-ci; l'information sera enfin relative au domaine d'expertise. Cette information a assurément nécessité la constitution d'immenses dictionnaires électroniques et/ou la réalisation d'analyses très complexes, et ce dans des disciplines et des cadres théoriques variés afin de réaliser des objectifs particuliers, souvent différents de celui qui leur est réservé ici. C'est pourquoi le présent modèle de traitement peut être qualifié d'intégrateur.

La segmentation en unités pertinentes sera réalisée par des regroupements de mots faits à partir des indices déposés sur les mots et selon des critères explicités lors de la constitution du modèle de lecture experte. Il sera aussi possible de bénéficier de l'apport de logiciels développés à cette fin via un protocole. Tout comme les mots, les segments pourront être l'objet d'une description.

L'opération de déchiffrement consiste à mettre en relation un ou plusieurs indices provenant des descriptions effectuées préalablement avec une hypothèse de représentation (HR). L'HR constitue en quelque sorte une variable intermédiaire entre les indices et leur interprétation. La catégorisation des unités textuelles permet de réduire sensiblement la diversité des formes en présence et, par conséquent, le nombre de configurations différentes mises en relation avec une HR donnée afin de couvrir l'ensemble des cas d'espèce.

L'opération d'interprétation c'est la mise en relation d'une ou plusieurs HR avec un élément extérieur à l'univers textuel, appelé interprétationÎ. Cette relation n'est pas de nature formelle comme la précédente mais subjective. Ainsi deux interprétations différentes peuvent être données à une même HR, alors qu'une seule HR devrait être assignée à une configuration donnée d'indices.

Voici une schématisation du modèle de traitement proposé :

Le modèle de traitement permet la récursion : les interprétations devenant à leur tour les indices díune méta-lecture, etc.

Le modèle computationnel

L'implantation du modèle de traitement exposé précédemment fait appel à deux modèles computationnels différents. Un premier modèle pour la description des mots et des segments de mots et un second modèle pour la mise en relation successive des indices avec les HR et des HR avec une interprétation.

La description des mots et des segments est effectuée à l'aide du système d'analyse de textes par ordinateur SATO. Ce système offre un cadre interactif pour l'annotation, le filtrage et le décompte des mots de très grands corpus de textes. On peut adjoindre des propriétés aux mots dont les valeurs seront numériques ou symboliques. LexicalesÎ, les propriétés affectent toutes les occurrences d'un mot; textuellesÎ elles en affectent une occurrence particulière. Les annotations peuvent être faites manuellement ou systématiquement, soit par la projection d'un dictionnaire ou lors de la réalisation d'un filtre arbitrairement complexe. Le filtrage s'effectue à l'aide d'un langage d'interrogation complet qui s'applique sur le lexique ou sur le texte lui-même. Une propriété peut hériter des valeurs d'une propriété mère. Un mécanisme de répartition peut, pour les segments de texte désignés, fusionner les valeurs d'une propriété symbolique de tous les mots de ce segment et les rapporter sur chacun d'eux. Enfin, SATO permet de produire des statistiques sur la distribution des éléments lexicaux à travers l'ensemble du corpus ou entre diverses partitions de celui-ci.

Le modèle computationnel qui nous apparaÎt convenir le mieux pour implanter les mises en relation est celui des règles de production. Parce qu'elle repose sur les propriétés de la logique des propositions, cette représentation des instructions permet la compositionnalité et un accès systématique à de nouvelles informations sans compromis quant à leur modularité. Les systèmes à base de connaissances (SBC), de par leur architecture favorisent le développement et l'exploitation de grands ensembles de règles. Les règles, tout comme les données pour les systèmes conventionnels, sont tenues séparées du dispositif computationnel appelé moteur d'inférencesÎ qui a pour seule fonction la validation de leur prémisseÎ en regard de faitsÎ et, le cas échéant, l'exécution de leurs actionsÎ consistant en la production de nouveaux faitsÎ qui permettront la validation d'autres règles, etc. Pour implanter le modèle de traitement, il suffit de traduire en règles d'inférencesÎ les relations établies lors de la modélisation. Les indices réunis par une conjonction ou une disjonction sont mis en relation avec une hypothèse de représentation (HR). Il en va de même pour HR et l'interprétation correspondante.

Une lecture experte s'accomplirait de la façon suivante. D'abord les descriptions qui fourniront les indices sont effectuées et projetées sur les mots du texte. Ensuite, une à une, des entités logiques du texte, telles le paragraphe, l'article, le chapitre, etc. sont constituées en faits de départ et soumis au moteur d'inférencesÎ. Une chaÎne inférentielle est alors initiée. Les règles qui testent les indices en présence sont une à une validées et, le cas échéant, les HR sont inféréesÎ, c'est-à-dire qu'elles acquièrent le statut de faitsÎ. Au cycle d'inférences suivant, les règles qui testent les HR affirmées sont validées et, le cas échéant, des interprétations sont à leur tour inféréesÎ et sont consignées dans un rapportÎ. Plus tard, les éléments du rapport peuvent, à leur tour, constituer les indices d'une méta-analyse et ainsi de suite.

De plus, en ayant recours à un atelier logiciel pour générer un SBC, un non-informaticien peut lui-même jouer le rôle de développeur en modélisant sa propre expertise de lecture. De tels ateliers logiciels, aussi appelés générateursÎ offrent en plus d'un moteur d'inférences, un éditeur des règles d'inférences et des utilitaires de validation pour s'assurer de la cohérence des déclarations.

Contrairement à la programmation conventionnelle où tout changement en cours de route dans le modèle est pénalisant, la phase d'implantation dans un SBC, participe de la démarche exploratoire. Ainsi, les SBC favorisent le prototypage, c'est-à-dire une implantation schématique qui, par essai et erreur sera raffinée. Il est alors possible de construire graduellement et de façon modulaire des systèmes de plus en plus complexes. Les SBC présentent un autre avantage au niveau de l'efficacité : contrairement aux implantations sous la forme procédurale d'automates où pour toutes les analyses possibles, toutes les conditions sont testées, ce sont les indices qui déclenchent les analyses pertinentes.

Les coefficients de certitude

La capacité de prédiction du lecteur qui lui permet de déchiffrer l'information même en l'absence d'indices pourtant nécessaires est implantée dans notre modèle de la lecture experte au moyen de coefficients numériques. Les générateurs de SBC offrent généralement la possibilité d'adjoindre aux conclusions des règles d'inférences un coefficient afin que le développeur du système puisse exprimer la confiance qu'il prête à ses associations, ici d'indices avec l'HR correspondante. Le moteur d'inférences incorpore un mode de cumul de ces coefficients pour propager l'incertitude ou encore la confiance tout au long de la chaÎne inférentielle. Les formules utilisées pour cumuler ces coefficients selon la conjoncture provoquent, soit leur atténuation, soit leur renforcement; dans le cadre de la lecture experte ces opérations présentent les avantages suivants.

D'une part, l'association d'une configuration particulière d'indices peut être associée à une HR donnée malgré l'absence de certains indices, pourtant jugés nécessaires lors de l'élaboration du modèle. Le système fera quand même l'association mais avec un coefficient de certitude moindre qui, à son tour, provoquera une atténuation de la certitude lors de l'association subséquente de l'HR avec l'interprétation correspondante. L'utilisation des coefficients permet un dépassement du cadre strict de la logique booléenne. En effet comme le modèle prévoyait associer une HR à une conjonction d'indices, si l'un d'eux venait à manquer, sans le recours aux coefficients, l'association n'aurait pu être établie.

D'autre part, il n'est plus besoin d'inclure dans une seule règle d'inférences tous les indices dont la conjonction est associée à une HR donnée. Les indices peuvent être associés individuellement à l'HR avec un faible coefficient qui sera renforcé au fur et à mesure du déclenchement des règles filtrant les autres indices. L'utilisation des coefficients permet une réduction de la complexité des règles nécessaires pour implanter un modèle donné et permet le dépassement de l'unicité pour déboucher sur des associations plurielles mais différenciées. Ainsi, par exemple, il est possible dans une même règle d'exprimer qu'un même indice dénote très faiblement une HR donnée, car la co-présence de plusieurs indices est nécessaire, et que ce même indice dénote moyennement une autre HR.

Le développement des systèmes de lecture experte

Cette nouvelle façon de concevoir l'ATO entraÎne une redistribution des rôles dans le développement des systèmes. Plutôt que la mise au point en vase clos par des spécialistes d'un programme dont seuls les résultats sont présentés aux utilisateurs, ceux-ci sont appelés à intervenir plusieurs fois dans le cycle de développement. D'abord pour effectuer un transfert de leur expertise de lecture dans le modèle de traitement et ensuite pour valider les résultats générés par le programme en fonction de leurs besoins. Cette validation entraÎnera la révision ou l'adjonction de nouvelles descriptions et/ou règles d'inférences au système qui sera validé à nouveau et ainsi de suite jusqu'à ce qu'il ne soit plus rentable d'effectuer de nouveaux cycles de développement. La rentabilité est décroissante lorsque les ajouts ne concernent que des exceptions dont la fréquence d'occurrence est marginale par rapport à la majorité des cas traités.

Il ne s'agit plus de modéliser les multiples aspects ou dimensions des textes, mais de modéliser une lecture particulière qui en est faite. Les seuls aspects retenus seront ceux qui sont pertinents pour une pratique de lecture donnée, ce qui facilite la tâche de la modélisation. De plus, des facteurs extra-textuels devront être pris en considération, tels les objectifs du lecteur, ses particularités culturellesÎ, ce qu'il entend faire des résultats obtenus, etc. Toutefois, le lecteur, expert d'un domaine, éprouve le plus souvent de la difficulté à structurer de lui-même un schéma pédagogique des indices qui lui permettent d'interpréter le texte.

C'est ainsi qu'il nous apparaÎt opportun d'avoir recours à des techniques de transfert de connaissances et de modélisation empruntées à l'ingénierie de la connaissance. Cette discipline vise à produire des spécifications complètes et claires permettant de développer un système expert lorsqu'un domaine d'expertise n'a pas encore été modélisé informatiquement. Pour ce faire, un modèle de l'expertise est élaboré à partir de l'analyse des verbalisations effectuées par les experts qui doivent subir un certain entraÎnement pour arriver à décrire leur expertise. Ce modèle sera par la suite traduit dans les termes du modèle de traitement puis implémenté et soumis aux experts pour validation.

Les protocoles sont des verbalisations effectuées par l'expert en situation de résolution de problème; elles servent à capter leur performance effective. On demandera aux lecteurs de dire à haute voix et sans censure tout ce qui leur passe par la tête au moment où il exercent leur expertise de lecture sur les textes. Chacune des étapes ou opérations, même si elles apparaissent insignifiantes doivent être mentionnées. Les entrevues sont des échanges où les experts, en dehors du contexte de leur activité professionnelle, fournissent une description générale du domaine. L'entrevue n'offrant pas de garantie d'objectivité; l'information recueillie doit être recoupée avec le contenu des protocoles.

Parallèlement à l'analyse des verbalisation, les concepteurs du système de lecture experte tireront profit d'une analyse de contenu d'un sous-corpus de textes représentatif du domaine de référence. En plus de leur fournir des questions pertinentes à poser aux experts lors des entrevues, cette démarche leur permettra d'évaluer la faisabilité d'une modélisation et de valider les différents aspects du modèle envisagé.

Le cas échéant, une analyse des textes qui résultent de la lecture par les experts doit aussi être effectuée. La comparaison des textes produits par les lecteurs avec les textes d'origine fournit habituellement de l'information très utile sur la lecture qui a été faite. Ainsi, par exemple, dans le cas d'un résumé, la comparaison permettra d'identifier ce qui a été sélectionné. Plus tard l'entrevue fournira les critères et la justification de la sélection.

Un atelier cognitif et textuel (ACTE)

Un atelier cognitif et textuel (ACTE) qui intègre dans un même environnement informatique SATO et un générateur de SBC est présentement en cours de développement au Centre d'ATO. La lecture experte sera implantée et expérimentée dans l'ACTE, dans son état actuel de développement. Présentement le moteur d'inférences du générateur de SBC est complété, de même qu'une version partielle d'un éditeur de définitions des données cognitives et des règles d'inférences. Les données cognitives qui servent à formuler les règles d'inférences prennent la forme d'objets valués, ce qui permet de traiter directement des unités textuelles préalablement décrites en SATO.

À terme, les commandes de SATO pourront être exécutées en conclusion des règles d'inférences. Ainsi, le filtrage et l'annotation des textes pourra se faire à l'intérieur même d'une chaÎne inférentielle ce qui autorise des structures de contrôle de description et d'analyse des textes complexes et fines tout en demeurant lisibles. De plus, le résultat des fouilles et des analyses de SATO pourra être admissible au filtrage par les prémisses des règles d'inférences.

Du point de vue de l'analyse des textes, l'ACTE permettra le dépassement de l'approche séquentielle habituelle pour expérimenter, en temps réel et sur des corpus d'envergure, une approche topologique. Le texte pourra être conçu, non plus seulement comme une suite linéaire de séquences mais comme un espace multidimensionnel. Les régularités et les ruptures, tant formelles que sémantiques pourront être traitées en réseaux multiples qui s'enchevêtrent à l'intérieur de l'espace textuel. Ce dispositif computationnel, par ses capacités de filtrage et d'étiquetage, permet, à partir de n'importe quelle unité lexicale ou segmentale, d'examiner, de catégoriser ou re-catégoriser n'importe quelle autre unité, en aval ou en amont de l'unité qui est analysée.

Du point de vue de la théories des SBC, cette intégration permet un élargissement de l'espace de filtrage des règles d'inférences dont la structure des unités est présentement contrainte par un modèle formel, les frames, les prédicats du premier ordre, etc. aux unités textuelles en tant que tel.

Conclusion

Nous croyons que la lecture experte a le potentiel de pallier au manque de dispositifs computationnels pour assister, autant les agents des organisations que les chercheurs en sciences humaines dans les phases de l'analyse des textes consécutives à leur catégorisation, soit le déchiffrement d'indices et leur interprétation. Dans la mesure où le déploiement du modèle de la lecture humaine sur le modèle de traitement sera possible, la lecture experte permettra le passage du cas par cas à la formulation de règles, ce qui garantirait l'uniformité et l'exhaustivité du processus interprétatif.

Des expérimentations avec l'ACTE seront menées afin de valider le cadre méthodologique et le modèle de traitement proposés pour la modélisation et l'implantation de la lecture experte. Les domaines d'application, de même que les types de texte et les perspectives de lecture seront aussi variés que possible. Nous serons alors en mesure de délimiter le champ optimal d'application de la lecture experte, ses limites, de même que l'ampleur des efforts requis pour son implantation.