Usages du Dictionnaire Électronique des Synonymes (DES) du CRISCO : focus sur les mots inexistants

Introduction

Une première étude a déjà été publiée sur HAL en aout 2021 intitulée Usages du Dictionnaire Électronique des Synonymes (DES) du CRISCO. Cette étude concernait les accès au DES sur les années 2019 et 2020 enregistrés dans les fichiers de logs du DES desquels ont été extraits les mots les plus recherchés.

Pour mémoire, voici un résumé des points notables :

  • Les figures 1 et 2 sur les requêtes journalières respectivement en 2019 et 2020 et les figures 3 et 4 sur les mots journaliers en 2019 et 2020 nous montrent que le DES est utilisé principalement en semaine. Le week-end, la fréquentation est moindre. Il s’agit donc d’une utilisation principalement professionnelle.
  • Un nombre non négligeable ( en bleu ciel) des requêtes concerne des mots inexistants dans le DES.
  • Avec la figure 5 représentant les moyennes, nous voyons que le DES enregistre entre 33.259 et 43.502 mots différents et valides recherchés par jour, représentant de 135.349 à 262.924 requêtes.
  • La figure 14 nous indique qu’un mot valide est recherché de 4 à 7 fois par jour en moyenne.
  • La figure 16 donne cette moyenne par mois : de 100 à 150, ce qui est cohérent avec les valeurs par jour mais on constate de grandes disparités puisque seuls 10% des mots (soit 5450 mots) ont été demandés plus de 5947 fois par mois (environ 60 fois plus que la moyenne) et que 10% ont été demandés moins de 20 fois (environ 6 fois moins que la moyenne).

L’ensemble des graphiques est accessible sur https://git.unicaen.fr/crisco-des-public/MotsLesPlusRecherches.

Cet article se propose d’approfondir les requêtes portant sur les mots inexistants dans le DES. Tout d’abord nous allons regarder la proportion de ces requêtes sur les années 2019, 2020 puis également en 2021 en essayant de répondre aux questions suivantes : est-ce des mots inexistants du à la casse ? du au manque d’accents ? est-ce des mots bien formés mais pas encore saisis dans le DES (des mots récents ou tout simplement des mots qui n’ont pas de synonymes ) ?

Proportion de requêtes et de mots invalides et fréquences

En 2019, il a eu 10% de requêtes sur des mots inexistants soit 9.998.447 sur un total de 95.365.871 requêtes avec une amplitude allant 5% à 52% selon les jours.

En 2020, il y a eu 11% de requêtes sur des mots inexistants soit 8.362.800 sur un total de 75.715.755 requêtes avec une amplitude de 5% à 47% selon les jours.

En 2021, il y a eu 10% de requêtes sur des mots inexistants soit 6.706.790 sur un total de 65.568.077 requêtes avec une amplitude importante allant de 5,8% à 47 % selon les jours.

Par exemple l’amplitude maximale de 52 % en 2019 correspond au vendredi 14 juin avec plus de 430.000 requêtes invalides comme le montre la figure ci-dessous (extraite de la figure 1 ) :

Pour 2020, l’amplitude maximale de 47 % correspond au lundi 21 septembre.

Il s’agit très probablement dans ces cas de requêtes automatiques.

Ensuite, nous pouvons nous demander si ces mots inexistants sont demandés plusieurs fois. Si c’est le cas, quelle est leur répartition en fonction de leur fréquence ?

En 2019, sur les 1.605.506 mots inexistants différents, 911.681 ont été saisis une seule fois soit 57%.

En 2020 et 2021, les proportions sont du même ordre puisque nous avons respectivement 1.145.053 mots inexistants différents dont 718.172 saisis une seule fois soit 63 % et 915.398 mots inexistants différents dont 545.640 saisis une seule fois soit près de 60%.

Nous pouvons aussi visualiser le nombre de mots absents saisis selon quatre plages de fréquence ci-dessous :

Une tendance globale se dessine : sur les 3 années, une très grande majorité de mots absents sont peu demandés, seuls 400 mots en 2019, 203 en 2020 et 154 en 2021 ont été saisies plus de 300 fois, soit en moyenne une fois par jour.

Avant de regarder d’un peu plus près ces derniers dans le paragraphe suivant, terminons en citant quelques exemples de mots demandés une seule fois dans l’année. Nous avons les différents cas de figures suivants :

  • Des fautes de frappe : enthousiasmee, enrgistrement, rigoureusemnent, rofondément, romulguer, ronfleemnt, dvouement
  • Des verbes conjugués : rigolait, duvetassions, s’aspergeassent
  • Des expressions et des suites de mots : rompre la glace, durcissement par apport, réseau téléphonique public commuté, depuis ma plus tendre enfance
  • Avec le déterminant : la potion, la radio, la spirale
  • Des suites de lettres sans aucun sens : looooooooooooooooooooooooooooookkkkkkkkkk, lucre?1610214360470, acquérir
  • Caractères spéciaux, langues étrangères : ךקןמקףקמא , ச்சொரெ, present value of new business premiums
  • être + compléments : être induit par, être insulté, être habilité, être exemplaire, être dépendant de
  • etc

Si certains d’entre vous veulent approfondir cette partie (ou bien s’amuser), les graphiques ainsi que les fichiers “MotsInexistantsParAnnee.csv” sont consultables sur le serveur git de l’Université : https://git.unicaen.fr/crisco-des-public/MotsLesPlusRecherches

Quels sont les mots inexistants les plus fréquemment saisis ?

Nous allons nous focaliser sur les mots inexistants demandés plusieurs fois dans l’année : le maximum est de 360 ce qui correspond en moyenne à une requête par jour. Que peuvent signifier ces mots qui sont saisis de façon récurrente ?

Pour le savoir, prenons quelques exemples parmi ceux les plus fréquemment saisis dans le tableau ci-dessous.

Entrée saisie2019 : position (nombre requêtes) 2020 : position (nombre requêtes) 2021 : position (nombre requêtes)
Ainsi6 (360)42 (345)15 (358)
Joie19 (358)94 (329)73 (328)
Amour22 (358)29 (351)55 (337)
intéret46 (353)38 (347)30 (351)
focus2 (360)6 (361)2 (364)
différente8 (360)12 (359)14 (359)
particulière39 (355)22 (353)17 ( 358)
compétences11 (360)10 (360)9 (363)
caractéristiques33 (356)41 (345)40 (357)
faire l’objet1 (361)14 (358)34 (349)
il s’agit9 (360)1 (365)32 (350)
il s’agit de372 (303)213 (297)202 (290)
s’appuyer10 (360)5 (362)1 (365)

Nous pouvons regrouper ces exemples selon plusieurs critères :

  • Les mots qui commencent par une majuscule comme Ainsi, Joie et Amour. Ainsi arrive en 6ème position des mots inexistants les plus demandés avec 360 requêtes en 2019, en 42ème position avec 345 requêtes en 2020 et en 15ème position avec 358 requêtes en 2021. Ces types de mots montrent clairement qu’une amélioration serait à prévoir dans le DES à savoir retranscrire le mot avec des lettres en minuscules avant d’effectuer la recherche dans le DES.
  • Ceux auxquels il manque un ou plusieurs accents comme intéret. Il pourrait être utile d’ajouter les variantes de type “correction orthographique” pour tous ces mots souvent saisis avec des accents manquants.
  • Les formes féminines absentes comme différente ou particulière. Bien que certaines d’entre elles soient déjà enregistrées dans le DES ( comme spectatrice, policière), il en reste de nombreuses autres à mentionner. Les mises à jour mensuelles du DES en ajoutent régulièrement et c’est une tâche à poursuivre.
  • Des formes au pluriel : compétences, caractéristiques. L’ajout de variantes plurielles pourrait être utile pour ces formes souvent saisies.
  • Nous trouvons également des expressions comme il s’agit ou il s’agit de. S’agir est dans le DES avec des synonymes comme être question, convenir mais peut-être faudrait-il réfléchir soit à créer de nouvelles entrées pour ces expressions si des synonymes sont possibles, soit les ajouter comme variantes de s’agir.
  • Enfin, de façon étonnante, nous voyons que s’appuyer n’a pas d’entrée dans le DES. Par contre s’appuyer sur existe. Une brève recherche dans les dictionnaires montrent que très souvent le verbe s’appuyer est utilisé avec la préposition sur mais il existe des contextes où s’appuyer s’utilise seul ou avec une autre préposition : s’appuyer fortement à un mur pour exercer une poussée, s’appuyer d’un côté. Des corrections seront à prévoir dans le DES pour en tenir compte.

Nous voyons bien, au travers de ces quelques exemples, que cette étude des mots inexistants dans le DES (en commençant par ceux qui sont souvent demandés) nous sera très profitable pour améliorer les recherches des nombreux utilisateurs en leur évitant de saisir plusieurs fois une entrée avant d’obtenir le résultat souhaité. Cela ouvrera de nouvelles pistes de corrections et d’évolution à ce produit déjà visité plusieurs dizaines de milliers de fois par jour et mis à jour mensuellement depuis de nombreuses années.

Cite this article as: Laurette Chardon, "Usages du Dictionnaire Électronique des Synonymes (DES) du CRISCO : focus sur les mots inexistants," in Le carnet de la MRSH, 08/03/2022, https://mrsh.hypotheses.org/5578.

Laurette Chardon

Laurette Chardon est ingénieure de recherche au laboratoire CRISCO (https://cv.archives-ouvertes.fr/laurette-chardon)

Vous aimerez aussi...

6 réponses

  1. Christian-Martin Diebold dit :

    Je vous remercie vivement, vous et votre équipe, pour mettre à disposition des écrivains, écrivants et traducteurs ce bel outil que j’interroge de très nombreuses fois par jour, et très souvent aussi le week-end.
    Bien cordialement

  2. Olivier Jankovic dit :

    Analyse intéressante et beau travail !
    Seul bémol : les points de suspension au “etc.” à la fin de la liste des exemples de mots demandés une seule fois dans l’année.
    😉

  3. Catois dit :

    Un grand merci à l’autrice et cheville ouvrière de ce magnifique outil, utilisé plusieurs fois par semaine !

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search