Le projet Zodiac

Zodiac est un système qui insère les diacritiques (accents, trémas, cédilles) dans un texte français qui en est dépourvu. Il succède à Réacc, et tire profit de développements technologiques récents.

Pour obtenir une licence du système Zodiac ou pour toute question ou commentaire sur Zodiac, veuillez contacter Guy Lapalme.

Démonstration

Vous pouvez tester Zodiac ici-même.

 

Quelques exemples

Voici quelques phrases à taper (sans accents ni diacritiques) pour mettre Zodiac à l'épreuve.

  • J'ai ete tres epate par ce systeme car il a une capacite interessante a distinguer les differentes possibilites d'un meme mot en francais.
  • Les eleves sont bien eleves car le maitre les eleve bien.
  • La cote francaise est bien jolie, mais de son cote, la cote des francais est tres elevee.
  • La peche etant son peche mignon, il a peche a la riviere en mangeant une peche.
  • Nous avons tache de developper un systeme sans tache.

Amusez-vous à en créer d’autres encore en utilisant les listes de mots français particulièrement ambigus au niveau des accents fournis sur cette page.

Zodiac dans Microsoft Word

Il est possible de l’utiliser dans Microsoft Word, sous Windows.

» Voir la page d’installation du complément Zodiac.

Zodiac sur Macintosh

Il est possible de l’utiliser comme service et utilitaire de commande sur Mac.

» Voir la page d’installation du service Zodiac sous Mac.

Pourquoi Zodiac ?

C'est certainement dans le contexte du courrier électronique qu'on rencontre le plus souvent aujourd'hui le phénomène des textes français sans accents, phénomène qui s'explique de deux façons. Premièrement, le monde de l'informatique a longtemps souffert de l'absence d'une norme suffisamment répandue pour l'encodage des caractères accentués, ce qui a entraîné toute une panoplie de problèmes de transfert et de traitement des textes français. Deuxièmement, la saisie au clavier des caractères accentués demeure, encore à ce jour, un exercice ardu, voire acrobatique dans certains cas : ici, il s'agit à la fois d'une question de norme et d'une question d'ergonomie. Le résultat concret, c'est qu'un très grand nombre de francophones évite systématiquement d'utiliser les caractères accentués, tout du moins pour le courrier électronique.

Si cette situation demeure tolérable en pratique, c'est parce qu'il est extrêmement rare que la disparition des accents rende un texte français incompréhensible pour un humain. À la limite, elle ralentit la lecture et suscite un certain inconfort, comme peut le faire, par exemple, la lecture d'un texte rédigé entièrement en majuscules.

Il n'en demeure pas moins que si le français sans accent est acceptable dans certaines circonstances, il ne l'est pas dans l'usage courant, notamment dans le cas des documents à large diffusion. Par ailleurs, l'absence des accents pose de sérieux problèmes pour le traitement automatique des textes. Qu'il s'agisse de recherche documentaire, de correction orthographique, grammaticale, stylistique, de traduction automatique, d'interface en langue naturelle ou de d'autres formes de traitement de la langue, on s'attendra en général à ce que les textes français comportent des accents. D'où l'intérêt pour des méthodes de récupération automatique des accents, ou de réaccentuation automatique.

Nous avons développé un outil qui réintroduit automatiquement les accents et autres marques diacritiques dans un texte qui en est privé. Notre système Zodiac réaccentue les textes français et ce, avec un taux de succès élevé. Ce système utilise pour ce faire un modèle de langue probabiliste.

Comment ça marche ?

La restauration des marques diacritiques (accents, trémas, cédilles) se fait en deux étapes. Dans un premier temps, le programme produit pour chaque mot du texte une liste d'hypothèses d'accentuation. Par exemple, pour la forme cote, on produira la liste [cote, coté, côte, côté]. Zodiac consulte pour ce faire un dictionnaire du français.

La deuxième étape est la désambiguïsation : on choisit alors la forme la plus appropriée de chaque liste. Ce choix est effectué au moyen d'un modèle de langue stochastique : ce genre de modèle permet de déterminer quelle forme est la plus probable dans un contexte donné. Zodiac ne se fie donc pas sur un ensemble de règles de grammaires, mais plutôt sur une connaissance statistique de la langue, qu'il a acquise en analysant automatiquement de grandes masses de texte.

Bien entendu, le système commet parfois des erreurs. Toutefois, les tests que nous avons effectués indiquent que celles-ci se produisent en moyenne à tous les 200 mots, soit 2 ou 3 erreurs d'accentuation par page.

 

Responsable du projet: Guy Lapalme