Ce texte est issu de ma thèse de doctorat intitulée Archives et bibliothèques à Cîteaux : entreprises d’écritures au Moyen Âge (XIIe siècle – début du XVIe siècle), sous la direction de D. Russo et E. Magnani, Université de Bourgogne Franche-Comté, Dijon, 2019. Cette réflexion sur la notion de corpus trouvait place en introduction de mon travail, disponible au téléchargement ici. Elle faisait suite à une journée d’étude organisée en 2016 par l’équipe du projet CBMA – Corpus de la Bourgogne du Moyen Âge, Qu’est-ce qu’un corpus ?. Le programme et le compte-rendu de cette journée est disponible ici.

Nous proposons de revenir sur la notion même de corpus, en partie parce que les réflexions sur cette notion en histoire médiévale ou en histoire de l’art médiéval sont rares. Celles-ci ont plutôt été l’apanage des linguistes, depuis les années 1960. Nous avons assisté à une véritable explosion des recherches autour du corpus au début des années 2000 ; et en 2002 est née la revue Corpus, consacrée à la linguistique de corpus. Dans l’introduction au premier numéro, S. Mellet rappelait les étapes qui ont mené à la constitution de cette revue, car si
« la notion de corpus paraît, de prime abord, assez simple […] [elle] s’est complexifiée au cours des dernières décennies en fonction de la diversité des pratiques et des objectifs assignés à la constitution et à l’exploitation des corpus »[1].
Les dictionnaires[2] font état de deux définitions principales du terme. La première, généraliste : le corpus est un recueil de documents relatifs à une discipline, une matière. La seconde concerne le seul domaine de la linguistique, et dans ce cas, il est un ensemble de documents réunis en vue de leur analyse. S. Mellet évoquait en premier lieu la réflexion autour de la définition du terme corpus et de sa clôture. Elle en distinguait deux grands types : le premier est un corpus qui se voudrait « clos et exhaustif ». Son existence n’est envisageable « que dans le cadre d’une monographie ». Un tel corpus, en général homogène, ne permet ni de généraliser, ni de modéliser les démonstrations, et les « contraintes de clôture et d’exhaustivité » sont difficiles à tenir. Le second type de corpus, que S. Mellet opposait au premier, est celui des corpus dits échantillonnés. Ce type de corpus ne se veut pas exhaustif, mais représentatif « d’une réalité plus large – en statistique on dirait : d’une population »[3]. Les objectifs d’un tel corpus peuvent être variés, et l’autrice en donnait quelques exemples : « appréhender et donner à voir [une] réalité trop vaste pour être embrassée dans sa totalité », « se donner les bases empiriques nécessaires pour répondre à un questionnement théorique ou étayer une hypothèse structurale », « constituer […] les bases de connaissances indispensables au développement des nouveaux outils ». Elle soulignait que les développements récents de l’outil informatique avaient facilité le choix de ce type de corpus, et avaient permis la création de « très grands corpus »[4]. Le corpus se révèle être un « objet construit », au sein duquel les données sont structurées et balisées, il est un medium « entre le chercheur et le fait linguistique ». Il peut être un corpus de référence, mais il peut également servir « aux fins d’une recherche spécifique », en isolant un phénomène et ses paramètres[5].
Dans le premier numéro de la revue Corpus un autre article se révèle intéressant pour la réflexion sur la notion de corpus en histoire médiévale : celui de D. Mayaffre sur les corpus réflexifs[6]. L’auteur revenait d’abord sur la définition du corpus textuel, présentant les rapports difficiles entre « le texte et l’intertexte, le corpus et le hors-corpus ». Cette notion de corpus textuel semble plus appropriée à nos recherches. Dans la deuxième partie de son article, il proposait « un nouveau critère de pertinence pour les corpus – la réflexivité ou l’hypertextualité sémantique » afin de dépasser la dialectique texte / intertexte, qui peut devenir limite. Si nous admettons que le corpus est en premier lieu un recueil, une collection ou un rassemblement de documents, il « entre dans une perspective sérielle »[7]. Cette nature sérielle en fait « par définition – un corps complexe », et donc engendre un traitement de nature quantitative, d’autant plus si l’on a affaire à un macro-corpus. Le second problème soulevé par la nature sérielle du corpus est celui de sa clôture. D. Mayaffre rejetait le recours à l’échantillonnage qui constituait, pour lui,
« souvent un trompe-l’œil statistique insatisfaisant dans la plupart des Sciences humaines lorsqu’il s’agit de réellement interpréter les textes, de passer du texte au monde et de rendre compte des intentions pragmatiques du locuteur ».
Le chercheur évoquait un autre point intéressant pour les études historiques lorsqu’il écrivait « Décider de rassembler deux textes, c’est avant tout décider d’écarter tous les autres »[8]. Cette remarque est intéressante dans l’optique de la conservation des sources que l’historien a à sa disposition. Mais constituer un corpus, ce n’est pas seulement constituer une série, c’est construire un objet « qui n’a de sens, de valeur et de pertinence qu’au regard des questions qu’on va lui poser », c’est-à-dire un objet heuristique. C’est le chercheur qui donne son sens à cet objet, qui propose les techniques et les moyens « pour extraire des résultats », qui propose une méthode de traitement, une méthodologie. Ces réflexions définitionnelles ont poussé D. Mayaffre à parler de l’interprétation du corpus. Au moment où le chercheur doit interpréter les données, les résultats, les ressources intérieures, il fait appel à des ressources interprétatives extérieures, l’ « intertexte » comme il l’appelait, ou « co-texte ». Il proposait donc un nouveau critère de pertinence pour les grands corpus, susceptible de réduire la tension dialectique entre texte et intertexte, entre corpus et hors-corpus. Cette compilation de textes, il l’appelait corpus « réflexif »[9]. Cette réflexivité est
« le fait que ses constituants […] renvoient les uns aux autres pour former un réseau sémantique performant dans un tout (le corpus) cohérent et auto-suffisant ».
Le corpus réflexif présente l’avantage de ne plus être obligé de sortir du corpus pour interpréter ses éléments. Les bases de données permettent notamment une navigation aisée entre ses différentes composantes en créant des liens hypertextuels. Le corpus devient alors un « outil dynamique et interactif permettant de construire du sens et des connaissances grâce à ses ressources internes et à ses richesses intrinsèques »[10]. À la fin de son article, D. Mayaffre soulignait toutefois que le concept qu’il proposait relevait plus d’un idéal que d’un objectif atteignable, en raison de la quantité de données à intégrer, compte tenu de la perpétuelle reconstruction de la recherche scientifique, mais aussi en raison des objectifs des chercheurs. Nous avons justement été confrontés à cette masse d’informations difficiles à intégrer dans notre base de données.
En 2005 a eu lieu à Toulouse un colloque intitulé Rôle et place des corpus en linguistique. Ce colloque avait pour but de réfléchir, comme son titre l’indiquait, au rôle et à la place des corpus en linguistique, reprenant ainsi l’objectif que s’étaient donné les créateurs de la revue Corpus trois années plus tôt[11]. Dans l’article introductif à ce colloque, D. Mayaffre revenait sur la notion et l’objet corpus. Il constatait que tous utilisaient le terme corpus, mais avec « des acceptions bien différentes », que le corpus était devenu un « effet de mode »[12]. Le danger résidait alors dans le fait que la notion perde peu à peu sa réalité. L’auteur distinguait trois grands types de corpus en linguistique, ou « niveaux » comme il les appelait : les corpus lexicographiques, prétendant à l’exhaustivité, et pouvant être clos ou finis ; les corpus phrasistiques faits d’exemples qui peuvent être attestés ou forgés ; les corpus textuels, qui sont ni exhaustifs ni représentatifs. Ces derniers sont toujours construits sur des données attestées. D. Mayaffre cherchait à savoir si le corpus devait être considéré comme « un observatoire de quelque chose » ou comme « un observé dynamique […] en lui-même, dans son immanence ». En d’autres termes, le corpus contient-il une « théorie a priori », ou produit-il une théorie « a posteriori » ? Sert-il à révéler un sens pré-existant, ou sert-il à construire ce sens ? Dans le premier cas, le corpus serait élaboré comme une base documentaire, dans le second cas, il serait conçu comme un outil heuristique permettant la construction de nouveaux modèles. Comme le rappelait G. Williams, une distinction peut être faite entre les études entre corpus-based et les études corpus-driven, notions qu’il empruntait à E. Tognini-Bonelli[13].
Si ces réflexions ont été denses et fructueuses en linguistique, il n’en est pas de même en histoire. Pourtant, aujourd’hui, l’historien se retrouve face aux mêmes problèmes que le linguiste dans les années 1990 et 2000 : l’explosion des macro-corpus grâce à l’outil informatique et aux bases de données permet d’intégrer et de traiter un nombre illimité d’informations. Intéressée par ces questions, E. Magnani a organisé, le 7 novembre 2016, une journée d’études consacrée au corpus et intitulée Qu’est-ce qu’un corpus ?[14]. Celle-ci consistait à s’interroger sur ce qu’était le corpus pour les historiens médiévistes. Il est ressorti des communications et discussions que le corpus était une « notion ouverte à la fonction qu’on veut bien lui donner », bien que certains chercheurs souhaitent le conceptualiser encore plus. Le corpus chez les historiens médiévistes est varié, tant par sa constitution que par sa composition. Il peut être exhaustif ou représentatif, il se situe à diverses échelles, mais le point commun entre tous reste sa cohérence. D. Mayaffre disait :
« si la constitution du corpus sur la base d’hypothèses de travail et selon des critères bien définis […] est le premier moment d’une recherche scientifique, la mise en place d’une procédure de traitement en est le second. […] ce sont deux phases essentielles, concomitantes et réversibles ; en tout cas intimement liées. Le corpus commande la méthode et la méthode ordonne le corpus »[15].
Ne serait-ce pas alors la méthode qui donne sa cohérence au corpus ?
Dans quelle tendance se situe notre propre travail ?
Une partie de nos sources forment un corpus textuel. Celui-ci contient des textes et des rubriques renseignant soit sur leur mise en page soit sur leur matérialité. La base de données que nous avons constituée permet de soutenir ou au contraire d’infirmer nos hypothèses, plutôt que de produire une réflexion théorique sur le corpus. Par contre, avec ces multiples rubriques, elle peut tout à fait servir à d’autres chercheurs et être réexploitée. Ainsi notre corpus répondrait-il plutôt au premier type proposé par S. Mellet, un corpus clos et exhaustif, envisageable parce que notre sujet est délimité et précis. Ce corpus se veut prétendre à l’exhaustivité, même si, dans les faits, il ne peut l’être complètement : de nouveaux manuscrits pourraient être repérés, comme celui identifié en 2016 par M.-F. Damongeot[16] ; des chartes pourraient être retrouvées, comme celles retirées de vente en 2013 par le directeur des Archives départementales de la Côte-d’Or, É. Bouyé[17]. Pour reprendre les mots de D. Mayaffre, il y a des phénomènes pré-existants, dont le sens est mis en lumière par leur rapprochement et par les méthodes que nous développons.
[1] Mellet Sylvie, « Corpus et recherches linguistiques », Corpus [En ligne], 1, 2002. En ligne : http://corpus.revues.org/7, p. 1.
[2] Dictionnaire Larousse, Dictionnaire de l’Académie française.
[3] Mellet, « Corpus et recherches linguistiques », op. cit., p. 2.
[4] Termes entre guillemets dans l’article.
[5] Mellet, « Corpus et recherches linguistiques », 2002, p. 2-3.
[6] Mayaffre Damon, « Les corpus réflexifs : entre architextualité et hypertextualité », Corpus [En ligne], 1, 2002. En ligne : http://corpus.revues.org/11.
[7] Mayaffre, « Les corpus réflexifs, op. cit. », p. 1-2.
[8] Mayaffre, « Les corpus réflexifs, op. cit. », p. 3.
[9] Mayaffre, « Les corpus réflexifs, op. cit. », p. 5.
[10] Mayaffre, « Les corpus réflexifs, op. cit. », p. 8.
[11] Mayaffre Damon, « Rôle et place des corpus en linguistique : réflexions introductives », Rôle et place des corpus en linguistique, Actes des Journées d’Études TOUlousaines, JETOU, 2005, Toulouse, 2005, p. 5-17. Paru en ligne dans la revue Texto : MAYAFFRE, Damon, « Rôle et place des corpus en linguistique : réflexions introductives », Texto!, 10 (4), 2005 : http://www.revue-texto.net/Corpus/Publications/Mayaffre_Corpus.html (non paginé).
[12] En italique dans l’article.
[13] Tognini-Bonelli Elena, Corpus Linguistics at Work, Amsterdam-Philadelphia, 2001 (Studies in corpus linguistics 6) ; Williams Geoffrey (dir.), La linguistique de corpus, Rennes, PUR, 2005.
[14] « Qu’est-ce qu’un corpus ? », Journée d’étude organisée le 7 novembre 2016 par Eliana Magnani. Programme en ligne : http://www.cbma-project.eu/publications/les-rencontres-cbma.html ; compte-rendu en ligne : https://irht.hypotheses.org/3187.
[15] Mayaffre, « Les corpus réflexifs, op. cit. », p. 4.
[16] Paris, BNF, Latin 2495B. Damongeot-Bourdat Marie-Françoise, « Autour du manuscrit nouvellement attribué au scriptorium de Cîteaux, Paris, Bibl. nat. de France, lat. 2495B : un copiste et un collectionneur Claude-Barthélemy Morisot », La rigueur et la passion : mélanges en l’honneur de Pascale Bourgain, Giraud C., Poirel D. (dir.), Turnhout, Brepols, 2016, p. 481-501.
[17] Dijon, AD Côte-d’Or, 11 H 431.