Banque de corpus de l’amazighe
Faire des données linguistiques une infrastructure de connaissance, de transmission et d’innovation.
De la collecte isolée à la mutualisation
Du document statique au corpus interrogeable
De la ressource locale à l’infrastructure partagée
Mission scientifique
CorAm — Corpus de l’amazighe — est une banque de données linguistiques conçue pour réunir, structurer et rendre interrogeables des corpus oraux, textuels et socionumériques. Elle place au centre de l’analyse les productions attestées, leurs contextes, leurs territoires et les communautés qui les font vivre.
L’enjeu est double : préserver une mémoire linguistique et patrimoniale à forte composante orale, tout en constituant des données comparables pour la linguistique de corpus, la sociolinguistique, la didactique, les humanités numériques et les technologies du langage.
Trois ensembles complémentaires
CorAm_ORAL
Des paroles enregistrées dans des situations diversifiées afin d’observer la langue telle qu’elle est effectivement pratiquée.
Conversations · entretiens · recettes · appels téléphoniques · descriptions d’imagesCorAm_TXT
Des productions écrites documentées, alignées sur des métadonnées explicites et préparées pour la recherche plein texte.
Genres, périodes, territoires, graphies et contextes de productionCorAm_RSN
Des usages contemporains observés dans les espaces numériques publics, avec une attention particulière aux droits et à l’éthique.
Écritures émergentes · contacts de langues · circulation des formes · variationChaîne méthodologique
Chaque étape conserve le lien entre la forme linguistique, son contexte d’usage, sa source et ses conditions de réutilisation.
Définir les situations, les locuteurs, les territoires et les conditions de consentement.
Associer aux données des métadonnées fiables, cohérentes et réutilisables.
Transcrire, normaliser les formats, aligner les médias et préparer les annotations.
Permettre les recherches qualitatives, quantitatives, comparatives et outillées.
Créer des ressources utiles à la formation, à la recherche et aux technologies du langage.
Des données situées
Une donnée sans contexte perd une part essentielle de sa valeur scientifique. CorAm associe les productions linguistiques aux informations nécessaires à leur interprétation, leur comparaison et leur réutilisation responsable.
Domaines d’exploitation
Comparer les formes selon les territoires, les générations, les situations et les répertoires plurilingues.
Étudier la phonétique, la phonologie, la morphologie, la syntaxe, le lexique, la sémantique et le discours.
Observer les pratiques, les contacts de langues, les identités, les représentations et les transformations contemporaines.
Fonder les ressources pédagogiques et la formation sur des usages attestés plutôt que sur des exemples construits.
Documenter les savoirs, les savoir-faire, les récits et les pratiques culturelles portés par l’oralité.
Préparer des données traçables pour la recherche d’information, le traitement automatique et des modèles plus inclusifs.
Principes directeurs
Les différences entre parlers, graphies et usages sont documentées comme des faits scientifiques, non comme des écarts à effacer.
Sources, traitements, versions, annotations et choix éditoriaux doivent pouvoir être identifiés et vérifiés.
Les formats et métadonnées sont pensés pour dialoguer avec les outils de corpus et les infrastructures de recherche.
Consentement, anonymisation, sensibilité des données et droits des communautés déterminent les conditions d’accès.
Les principes FAIR — données repérables, accessibles selon leurs droits, interopérables et réutilisables — sont articulés aux principes CARE, qui replacent les communautés, l’autorité, la responsabilité et l’éthique au cœur de la gouvernance des données.
Horizon 2027–2035
CorAm a vocation à devenir un socle partagé pour la formation, la recherche et l’intelligence artificielle : une infrastructure évolutive, fondée sur des protocoles communs, capable de fédérer des corpus distribués sans effacer leur provenance ni la diversité des équipes et des terrains.
Le projet ouvre ainsi la voie à la consultation progressive des ressources, à la comparaison synchronique et diachronique, à la formation de nouvelles générations de chercheurs et à la construction d’une souveraineté scientifique fondée sur des données de qualité.