Organismes d’officialisation, dictionnaires et médias : le triangle des Bermudes de la francisation
Notice bibliographique
Résumé
Dans certains États francophones, des organismes gouvernementaux ont le mandat de proposer ou de recommander des équivalents français aux anglicismes qui prolifèrent dans la langue nationale. Quel est alors le rôle des dictionnaires? Relayer ces recommandations ou attendre que les termes francisés s’implantent dans l’usage? De même, les journalistes doivent-ils utiliser les néologismes recommandés dès leur officialisation, quitte à utiliser des mots inconnus de leur lectorat, ou doivent-ils plutôt attendre que ces emplois soient bien implantés dans l’usage et attestés par les dictionnaires? Dans ce triangle d’acteurs stratégiques, quel est le rôle et quelle est l’influence réelle de chacun dans l’implantation de mots français pour remplacer des anglicismes? C’est ce que nous tenterons d’identifier dans cette étude, en comparant les façons de faire en France et au Québec, pour les anglicismes du domaine de l’informatique e-mail, chat, et podcasting. Pour chacun d’eux, nous analyserons l’action des organismes d’officialisation, la réception des dictionnaires et la diffusion dans l’usage des anglicismes et de leurs équivalents francisés à partir d’un corpus journalistique.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,015 | 0,031 |
| Communication savante | 0,018 | 0,008 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».