ParaTaxe : une suite d'outils pour traiter et publier des corpus multi-parallèles (JADT 2026)
ParaTaxe (JADT 2026, Palerme) : outils open source pour aligner, évaluer et publier des corpus de textes en de nombreuses traductions.
Le 10 juillet 2026, notre article ParaTaxe: a Suite of Tools for Processing and Publishing Multi-parallel Corpora a été présenté aux JADT 2026, 18e Journées internationales d'analyse statistique des données textuelles, à l'Université de Palerme. Il est publié dans les actes du colloque (volume II, p. 606–613).
Qu'est-ce qu'un corpus multi-parallèle ?
Un corpus multi-parallèle réunit un texte et ses nombreuses traductions, par exemple les contes des frères Grimm traduits dans de nombreuses langues. Aligner ces versions passage par passage permet de comparer la manière dont les traducteurs ont rendu une même phrase d'une langue à l'autre.
Ce que fait ParaTaxe
ParaTaxe (PARAllel Texts Alignment eXploration and Edition) est un projet du laboratoire LIDILEM, Université Grenoble Alpes. En tant que post-doctorante sur le projet, j'ai conçu et évalué une chaîne de traitement open source qui :
- importe les corpus grâce à une interface dédiée ;
- aligne les différentes versions d'un texte à l'aide de techniques d'alignement fondées sur l'apprentissage profond ;
- est évaluée en précision et en rappel sur un sous-corpus de référence ;
- publie les corpus alignés sur le web, afin qu'ils puissent être explorés en ligne.
La chaîne a notamment été appliquée au corpus des traductions des contes de Grimm, le corpus Grimm Tradalign, lié à la plateforme Grimm Tradalign (Université Grenoble Alpes et Université de Lausanne).
Et ensuite ?
Un data paper décrivant le corpus multi-parallèle Grimm Tradalign est en préparation pour la revue Data & Corpus, dont je suis première autrice.
Référence
Kraif, O., François, C., Jalilian, E., Rimasson Fertin, N. & Roux, P. (2026). ParaTaxe: a Suite of Tools for Processing and Publishing Multi-parallel Corpora. In A. Plaia, M. Sciandra & A. Albano (éds.), JADT 2026 – 18th International Conference on Statistical Analysis of Textual Data, Proceedings, Volume II (p. 606–613). Palerme : Université de Palerme. ISBN 978-88-5509-883-0.