La gestation de cette dernière version, téléchargeable ici, a été un peu longue…

Il faut dire que le passage à la version 1.9 a impliqué un travail assez important. Les nouveautés sont assez nombreuses et portent sur des domaines différents.

Correctifs dans la lexicométrie

Il a d’abord fallu apporter certains correctifs importants, notamment dans les fonctions de lexicométrie. En me mettant sérieusement à l’utilisation de ces fonctionnalités, notamment dans le cadre d’un cours d’analyse des données en M2, je me suis pas exemple aperçu que l’exclusion du vocabulaire des questions n’était pas toujours effective dans l’analyse factorielle, que le franchissement de la barrière fatidique des 9999 formes différentes dans le tableau lexical ne s’accompagnait d’aucun message d’alerte etc. etc. Bref, qu’il fallait vérifier deux trois choses. C’est chose faite. J’ai également repris quelque peu l’affichage, qui montrait ses limites au-delà de 100000 occurrences (on atteint facilement ce niveau lorsqu’on regroupe les mots-outils).

Améliorations des outils de lemmatisation

La base lexicale utilisée par Sonal repose sur une analyse du corpus à un instant T. Si vous modifiez le texte, le codage, si vous ajoutez un entretien, il faudra réinitialiser la base. Lorsque l’on a créé des lemmes spécifiques, recommencer ce travail est un peu fastidieux (et long sur les très grosses bases!). C’est pourquoi j’ai fait en sorte que Sonal puisse mémoriser les lemmes créés et les appliquer dans les nouvelles bases.

Des boutons Sauver et Charger Lemmes sont maintenant disponibles dans le menu lemmatiser la base:

La sauvegarde crée, dans le dossier du projet, un fichier portant le nom du corpus suivi de l’extension “.lem”. Ce fichier mentionne simplement les formes brutes et leur lemmatisation dans la base d’origine. En rechargeant les lemmes, Sonal applique les modifications du fichier “.lem” à la base courante. Cela évite de relancer une lemmatisation générale.

La concaténation des fichiers

Le fait de pouvoir importer plusieurs fichiers sur une seule piste était un besoin récurrent exprimé par les utilisateurs. Il est en effet fréquent qu’il faille, lors des entretiens, stopper la bande pour laisser au répondant la possibilité de répondre au téléphone sans être enregistré par exemple, pour ne pas parler des changements de pile, voire des saturations de la mémoire de l’enregistreur au milieu des entretiens (je parle d’expérience hélas). En pareil cas, remettre bout à bout les différents fichiers pour reconstituer l’unité de l’entretien est une bonne chose.

Un de mes étudiants à Tours – Alexandre Gauron, qu’il en soit grandement remercié – m’a mis sur la piste d’une méthode passant par la création d’un fichier *.BAT. Cette méthode revient peu ou prou à fusionner les fichiers par copier-coller directement en MS-DOS. Concrètement, les deux fichiers sont simplement juxtaposés l’un à la suite de l’autre. C’est précisément ce que l’on demande mais la méthode à des effets différents selon les formats des fichiers. Pour l’instant, cette fonctionnalité n’est disponible que pour les fichiers WAV et MP3. Avec les fichiers MP3, cela fonctionne très bien, avec les fichiers WAV, c’est plus compliqué. La raison en est que dans les fichiers WAV, la durée de la bande est mentionnée dans l’entête du fichier (là où se trouvent les informations sur le format d’encodage et qui permettent au lecteur média de savoir sur quel pied danser). Dès lors, quand on colle les fichiers les uns aux autres, c’est toujours l’entête du premier qui donne les informations sur le nouvel ensemble. Vous pouvez donc fusionner x fichiers wav par cette méthode, le nouvel ensemble aura toujours les caractéristiques et la durée du premier (mais bien le poids de l’ensemble). Pour les caractéristiques de fréquence et d’échantillonnage ce n’est pas un souci, pour la durée c’est plus problématique, car les lecteurs s’en tiennent à ce qu’ils lisent et s’arrêtent docilement là où on leur dit, alors qu’il reste des données dans la suite du fichier. Pour que cela fonctionne, il faut donc récupérer la taille de chaque fichier avant concaténation, et aller corriger l’entête du nouveau fichier créé par la suite. C’est ce que fait Sonal 1.9 avec les fichiers WAV mais c’est un peu acrobatique et je n’en réponds pas tout à fait.

En l’état, je vous recommande donc plutôt d’assurer la fusion via les fichiers MP3, quitte à convertir ensuite en WAV le nouveau fichier créé. Cette méthode vous permettra d’ailleurs d’économiser de l’espace disque.

Au passage, évitez de laisser des espaces, des accents, ou des points superflus dans les adresses et les noms de fichiers. Le langage MS-DOS y est très sensible.

Les fonctionnalités d’exploration

Parmi les éléments qui m’ont demandé le plus de travail, il y a les fenêtres d’exploration, qui sont dorénavant disponibles dans la base de données et dans l’analyse chronométrique. La raison en est que ces fenêtres proviennent tout droit du logiciel Trideux, au développement duquel je participe aux côtés de Philippe Cibois. J’ai d’abord dû finaliser cette fonctionnalité pour Trideux (une version 5.2 devrait sortir prochainement) avant de l’importer dans Sonal, ce qui m’a demandé un peu de temps.

Il y a longtemps que Sonal génère des bases lisibles par trideux à partir des données du corpus. La nouveauté en l’occurrence est qu’il n’est plus nécessaire d’ouvrir trideux pour les lire. La fenêtre d’exploration ouvre en quelque sorte trideux dans Sonal. C’est le premier pas d’une fusion progressive des fonctionnalités des deux logiciels.

Je vous renvoie au mode d’emploi pour plus de précisions, même si le fonctionnement est fait pour être très simple.

Une nouvelle mise en forme pour les commentaires

Il est d’usage de parsemer ses retranscriptions d’informations de contexte (du type “rires”, “soupir” etc.) ou de remarques en aparté.  Or, ces “didascalies”  ont la fâcheuse tendance à polluer quelque peu tous les décomptes opérés sur le lexique. J’ai le souvenir d’un transcripteur qui nous avait aidé dans une enquête auprès de jeunes parents et qui, croyant bien faire, avait mis “(bébé pleure)” à chaque fois que l’on entendait un nourrisson en arrière plan sur la bande. C’est peu dire que le verbe “pleurer” écrasait littéralement toutes les analyses lexicométriques opérées sur ces entretiens et que toutes les analyses débimétriques étaient faussées.

Il y a déjà un petit moment que Sonal ignore tout ce qui est entre parenthèses dans les décomptes lexicaux. Dorénavant, tout ce qui est entre parenthèses est formaté de manière spécifique (en bleu italique) et il est possible de masquer les parties entre parenthèses dans les interfaces de lecture, en cliquant sur le bouton ci-dessous:

Pour l’instant, les commentaires sont présents dans les exports textuels mais je vais travailler à les en exclure à la demande.

Voici pour les principales améliorations de la version 1.9. Le téléchargement est chaudement recommandé.

 

---

---