Denise Malrieu & François Rastier : GENRES ET VARIATIONS MORPHOSYNTAXIQUES

--- 558 ---

Nous exploiterons successivement plusieurs approches, car dans un souci méthodologique, nous souhaitons les hiérarchiser.

Evaluons dans un premier temps la distance entre genres, champs génériques et discours par le nombre de variables qui les différencient de façon statistiquement significative (au moyen du test de Scheffe) : sans prendre parti a priori sur le poids relatif des variables dans la différenciation des genres, on admettra que plus leur nombre est grand, plus sont éloignées les classes comparées. Cela permet de caractériser les spécificités d’une classe et de vérifier que les distances entre discours sont plus élevées que les distances entre champs génériques, lesquelles sont à leur tour plus grandes que les distances entre les genres.

Les variables qui opposent le discours juridique aux autres sont en premier lieu les variables liées au discours impersonnel, par opposition au dialogue représenté (cf. infra, tableau 6, le facteur 1), en très fort déficit pour le discours juridique. Pour détailler ces différences, on peut sélectionner les variables distinctives de la classe étudiée à partir des valeurs absolues des valeurs-test supérieures à 1, 2. Ainsi pour le discours juridique, on obtient le haut du tableau suivant :

En comparant ensuite le discours juridique avec l’ensemble de tous les autres, on peut esquisser une première interprétation des spécificités, en les regroupant sous des catégories comme défini vs indéfini   (voit Tableau 2 ci-dessous). On relève dans le discours juridique le poids des substantifs par rapport aux verbes, les déterminants définis, les verbes à COD obligatoire (liés vraisemblablement au discours normatif qui se doit d'être explicite), la détermination par les compléments circonstanciels et subordonnées, probablement liés à l'explicitation des conditions d'application des lois et règlements. Si toutes ces spécificités ne sont pas également interprétables, la plupart convergent pour faire du discours juridique écrit un modèle de discours thétique, conforme à sa fonction normative. Ces spécificités confirment par exemple que le discours juridique écrit se singularise d’abord par son déficit de marques de l’énonciation représentée, comme les pronoms personnels de première et seconde personne, ou les ponctuations « émotives » comme les points d’exclamation et de suspension.

--- 559 ---

Tableau 2. Quelques groupes de variables qui différencient le discours juridique. Supériorité : > ; Infériorité : <. PP : Personne du pluriel ; PS : personne du singulier : Vb : verbe : CC :complément circonstanciel.COD : complément d’objet direct ; COI : complément d’objet indirect.

Si l'on fait le total des différences significatives liées à un discours ou à un champ générique, on constate que les classes qui se différencient le plus sont par ordre

--- 560 ---

décroissant : le discours juridique, les textes narratifs, le théâtre, les essais, la poésie, et les écrits scientifiques.

Le pourcentage de variables significativement différentes par paires de champs génériques varie de 48 à 89%, comme le montre le tableau ci-dessous. Le discours juridique totalise 909 comparaisons significatives contre 733 pour le discours scientifique. Les différences entre discours (ici juridique, scientifique, essayiste, littéraire) l’emportent sur les différences entre champs génériques que nous avons détaillés dans le discours littéraire : poésie, théâtre, récits.

Tableau 3. Pourcentages de différences significatives (DS) sur l'ensemble des variables selon les champs génériques. J : discours juridique ; H : discours scientifique ; P : poésie ; E : essais ; T : théâtre ; R : récits. Le haut du tableau donne pour chaque paire de champs le pourcentage de différences significatives qui opposent les membres de la paire. Le bas du tableau donne pour chaque champ générique le pourcentage de différences significatives qui le caractérisent.

Ces indications restent partielles, car nous privilégions dans cette étude les données quantitatives calculées sur les variables. Le travail d’interprétation qualitative n’en est qu’à ses débuts, car il demande une réflexion spécifique sur les regroupements de variables, en fonction des composantes textuelles et des effets mimétiques induits par leur interaction.

Pour la mener, nous avons comparé systématiquement les différences entre champs génériques et les différences au sein d’un même champ générique, celui des genres narratifs : (i) Le cas où toutes les paires se différencient se rencontre pour cinq variables entre les champs génériques mais pour aucune entre les. genres narratifs (ii) La répartition des variables en fonction du nombre de paires de classes significativement différentes n'est pas la même pour les champs génériques et pour les genres narratifs ; dans le premier cas, peu de variables ne différencient que peu de paires alors que beaucoup de variables restent neutres à l’égard des genres narratifs, si bien que 61 variables ne différencient aucune paire, comme l’atteste le tableau ci-dessous :

--- 561 ---

Tableau 4 . Différenciation des genres et des champs génériques. S : Significatif. La première colonne détaille le nombre de paires de champs génériques ou de genres dont la différence est significative : ce nombre peut pour chaque variable aller de 1 à 15 puisqu'il y a 15 paires de comparaison. On notera que la médiane se situe à des niveaux très différents du tableau pour les champs génériques et pour les genres narratifs.

Au niveau des champs génériques et à celui des genres , le nombre et la répartition des variables montrant une différence significative ne sont pas du tout les mêmes. On vérifie que les champs génériques se différencient entre eux plus que les genres.

Comme plus haut, on n’a retenu que les différences significatives au seuil de .05 au test de Scheffe. Si l'on décompte les comparaisons significatives pour l'ensemble des variables, le roman policier se distingue le plus nettement des autres genres narratifs (515 comparaisons significatives) ; puis viennent les mémoires (373), le roman "sérieux" (340), et le récit de voyage (336), enfin la nouvelle (251) et le conte (217). Le policier se différencie d'abord du roman sérieux (par 52% de différences significatives), puis des mémoires (42%) puis du récit de voyage (40%), puis de la nouvelle. Les deux genres les plus proches sont la nouvelle et le conte (9% de différences significatives) et le roman "sérieux" et la nouvelle (7,3%). Voici deux exemples plus détaillés.

--- 562 ---

Alors que le roman « sérieux » et la nouvelle ne diffèrent que par très peu de variables (17 sur 254, soit le minimum dans l’ensemble des genres), la nouvelle et le conte diffèrent entre eux par 19 variables. La nouvelle est ainsi un peu plus près du roman que du conte ; mais cette différence reste négligeable, et en diachronie le conte tend d’ailleurs à se confondre avec la nouvelle (cf. les recueils de Contes et nouvelles ) , du moins dans notre corpus où ces deux genres sont pour l’essentiel représentés dans la même période « tardive » (XIX ^e ).

Comme notre corpus est essentiellement constitué de romans, romans "sérieux" et romans policiers en constituent la "norme" quantitative. La comparaison de ces deux genres doit tenir compte du décalage diachronique entre le corpus de romans sérieux et le corpus de romans policiers : ce genre récent est surtout représenté dans la seconde moitié du XX ^e siècle, et l’on ne peut attribuer toutes les variations à la seule différence des genres.

Le roman sérieux et le roman policier diffèrent par 121 variables, soit 7 fois plus que les nouvelles et les contes. On peut donc faire l’hypothèse qu’il s’agit de deux genres différents, et non de deux sous-genres [15] , ce que confirme la différence des pratiques de production et de lecture, alors qu’il n’en va pas de même pour la nouvelle et le conte littéraire.

--- 563 ---

Tableau 5 . Le roman « sérieux » et le roman policier : quelques oppositions. Première colonne : variables à valeur supérieure dans le roman policier ; seconde colonne : variables à valeur supérieure dans le roman « sérieux ».

On peut ainsi caractériser, minimalement, le roman policier : caractère bref et ramassé de la phrase, compatible avec des propositions subordonnées complétives ; importance du dialogue ; importance de l'action (par opposition aux analyses et commentaires) ; caractère objectiviste du policier, par contraste avec le roman psychologique. La technique narrative diffère du roman « sérieux », où dominent l'imparfait, le présent et le passé simple, l'imparfait jouant un rôle clé dans la création du monde subjectif de la remémoration, alors que le récit policier privilégie le passé composé qui domine à l'oral et dans les dialogues, et présente le compte rendu d'évènements "réels", non par un narrateur omniscient mais à travers le récit des personnages.

L'approche univariée a permis de préciser les différences et proximités entre genres prédéfinis ; elle a montré que les distances en termes de nombre de différences significatives variaient selon le niveau de la hiérarchie des genres, champs génériques et discours. Fait notable, alors qu’on pouvait penser que certaines variables sont cruciales pour différencier des genres, par exemple celles qui intéressent les temps verbaux, ces « intuitions » sont infirmées : par exemple le futur ni le présent ne différencient le théâtre du discours scientifique et du discours juridique [16]. Il faut donc analyser les corrélations entre variables sur le corpus entier pour distinguer les groupements de variables qui constituent des dimensions différenciant les sous-ensembles du corpus.

--- 564 ---

Les composantes principales sont des combinaisons linéaires des variables d’origine, et l'Analyse en composantes principales a pour but de rendre compte de la plus grande part possible de la variance totale par le nombre le plus réduit possible de variables. On transforme donc en un nouvel ensemble de variables les composantes principales, qui sont non corrélées, et l’on réduit ainsi un grand nombre de variables à un petit nombre de dimensions. Nous l’avons effectuée sur l'ensemble du corpus sans sélection a priori des variables actives : les facteurs 1 à 40 expliquent

--- 565 ---

80% de l'inertie, les 10 premiers facteurs 60%, le premier facteur expliquant 39% de la variance.

Le premier facteur fait apparaître l'existence de corrélations dans les dialogues représentés entre les marques d’interlocution, les déictiques liés aux personnes de l'interlocution, l’importance des pronoms personnels, la dominance de la première personne du singulier par rapport à la troisième, la dominance des verbes par rapport aux noms et adjectifs, l’emploi d'un vocabulaire de base (mots courants et très courants), les mots et phrases brèves, les propositions simples, les adjectifs antéposés, les articles indéfinis. Selon ce premier facteur, les valeurs positives sont maximales pour le théâtre (comédie et drame), puis le roman sérieux, puis les mémoires ; les valeurs négatives sont maximales pour le discours juridique, puis le scientifique, puis les essais. Soit, en distinguant successivement les corrélations positives et les corrélations négatives :

Tableau 6. Le premier facteur de l’analyse en composantes principales.V : variable.
Haut du tableau : corrélations positives ; bas du tableau : corrélations négatives.

Les facteurs suivants sont moins significatifs, et nous ne mentionnerons que le deux premiers. Le deuxième facteur concerne essentiellement la dimension abstrait / concret, l'abstraction étant corrélée positivement avec la complexité de la phrase et la transitivité directe et indirecte des verbes et négativement avec les verbes pronominaux et le temps de l'imparfait. Le troisième facteur touche la complexité de la période et de la phrase, corrélée positivement avec les pourcentages de mots outils, de compléments directs et indirects, de groupes nominaux avec en coordonnées positives les essais philosophiques, Saint-Simon, Sade, Proust, Bourdieu, et en coordonnées négatives, le discours juridique, la poésie, le roman policier.

Nous avons voulu tester si une classification automatique non supervisée à partir de l'Analyse en composantes principales et par la méthode de Ward pouvait retrouver les champs génériques prédéfinis.

3.3.1. Le haut de la classification

Dans le haut de la hiérarchie, la classification hiérarchique ascendante opère un découpage en sept classes. Elles se différencient de façon significative sur les variables qualitatives (auteur, période, champ générique et genre). Un premier groupe (G7), le discours juridique, s'oppose à tous les autres. Puis viennent le théâtre(G4) et la poésie (G3) qui s’opposent au reste. Ensuite, un groupe (G2) composé essentiellement d'essais et écrits scientifiques et techniques s'oppose au groupe (G5) composé de textes narratifs du XX ^e (romans « sérieux », romans policiers et mémoires) et au groupe (G6) de la même période avec une plus forte proportion de policiers. Enfin, le groupe (G1), composé de romans du XVIII ^e et de la première moitié du XIX ^e , s'oppose au groupe précédent.

--- 566 ---

L’opposition entre discours juridique d’une part, discours littéraire et scientifique d’autre part, domine d’abord l’opposition entre champs génériques (théâtre, poésie, récits), puis l’opposition entre romans et essais. La classification ascendante hiérarchique retrouve donc les différences entre discours, puis entre champs génériques. En revanche, au niveau immédiatement inférieur, elle ne retrouve pas les divisions entre genres narratifs, et conduit notamment à une tripartition des récits, en particulier des romans « sérieux » . Pour en rendre compte, on peut proposer cette hypothèse : les romans « sérieux » [17] du Groupe 1 de la classification correspondent au roman du XVIII ^e et XIX ^e , qui partage des traits avec les essais (philosophiques et politiques [18]) ; les romans «sérieux» du Groupe 5 sont des romans modernes proches du roman policier (principalement du début du XXe), les romans « sérieux » du Groupe 6 sont aussi des romans modernes mais plus autobiographiques, d'où leur rapprochement avec les récits de voyages et les mémoires. Il restera à éclaircir la bipartition des romans policiers qui se répartissent de façon inégale dans les classes 5 et 6 : ces sous-groupes du roman paraissent correspondre à trois esthétiques différentes : romans à idées, romans d’aventures (dont roman policier), romans récits de vie. [19]

--- 567 ---

Si la classification ascendante hiérarchique ne distingue pas « correctement » les genres narratifs, on peut avancer deux raisons à cela : d’une part, les genres narratifs, surtout les romans, occupent une place prépondérante dans le corpus et donc on ne dispose pas d’ensemble complémentaire suffisamment étendu pour jouer le rôle d’un corpus de référence contrastive ; d’autre part, les romans, et pour une moindre part les autres genres narratifs, sont des genres hétérogènes ou du moins intégrants : l’esthétique même du roman le conduit à inclure des dialogues, des lettres, des portraits, des descriptions, ce qui affaiblit ses spécificités au palier d’analyse choisi.

En tenant compte des résultats de l’analyse factorielle, et des faibles différences entre certains genres narratifs, nous chercherons si à ce niveau de la classification les variations de techniques narratives ne l’emportent pas sur les variations de genres, alors même qu’au niveau le plus bas de la classification les distinctions de genres restent généralement valides.

Par proximité décroissante, les premières classes formées automatiquement regroupent :
(i) les mêmes œuvres (mais avec des titres différents par erreur ou doublons),
(ii) des œuvres de même auteur et de même genre,
(iii) des œuvres de même genre et de même époque. Voici des exemples probants (deux œuvres sur une même ligne constituent une classe) :

--- 568 ---

Ces exemples, que nous pourrions multiplier, témoignent que les appariements sont souvent très fins : chez le même auteur, ils rapprochent les œuvres de même genre ; au sein du même genre, ils rapprochent les œuvres appartenant à la même série ou saga. Même l’exemple relevé plus haut de genres et d’auteurs différents rapproche des textes de même facture épistolaire (les Lettres de Sévigné et Les liaisons dangereuses ).

Sur les 60 premières classes formées dans le bas de la classification, qui consistent en paires d'œuvres (donc sur 120 titres), on compte ainsi 4 doublons (œuvres enregistrées par erreur sous deux titres différents), 3 désaccords de période historique (intervalle de 50 ans), 4 désaccords de champ générique, 8 désaccords de genre, et seulement 9 cas d'auteurs différents, pour l’essentiel d’ailleurs parmi les romans policiers, où les différences d’auteurs sont moins affirmées que dans les romans « sérieux » [20]. On pourrait mettre au défi un expert littéraire de parvenir « à l’aveugle », en ignorant les données de date, de genre et d’auteur, à des regroupements aussi pertinents. Sur les 50 premiers appariements, 11 regroupent des parties de la même œuvre ou de la même série ou saga ; 13 sont datés de la même année ; 31 sont de la même décennie [21]. Du moins a-t-il fallu un patient travail seulement pour contrôler leur bien-fondé. Ce défi s’adresse a fortiori à un expert linguiste qui n’opérerait que sur des étiquettes morphosyntaxiques, sans accéder aux chaînes de caractères correspondantes…

Bien que peu nombreux, les désaccords croissants reflètent des degrés de caractérisation : faible pour la période historique, médiocre pour le champ générique, fort pour le genre, très fort pour l’auteur. On décompte 45 paires sur 60 en accord sur les 4 critères, 50 paires en accord sur la période, le champ générique et le genre, 51 en accord sur le champ générique et le genre, 48 en accord sur la période et l’auteur. On voit que les trois quarts des paires de textes concordent sur les quatre critères retenus. Les accords sur le champ générique et le genre l’emportent en nombre : cinq sixièmes des paires de textes. Soit :

--- 569 ---

Examinons par contraste 50 classes formées dans le milieu de la classification : le nombre d'œuvres du même auteur chute, mais les accords restent forts pour le champ générique, puis pour la période, puis pour le genre. On relève par exemple ces regroupements de classes :

On retrouve dans ces classes l’unité de genre, et secondairement l’identité d’auteur. Le critère d’auteur reste le plus faible à tous les niveaux de la classification : comme il s’agit ici de textes littéraires, cela affaiblit la thèse romantique ordinaire que l’auteur reste toujours le critère déterminant, qui l’emporte sur tous les autres.

[Continuer]

NOTES