Cette contribution vise à illustrer la réalisation et l'utilisation de corpus à des fins de recherche en transcription automatique de la parole. Ces recherches s'appuyant largement sur une modélisation statistique, s'accompagnent naturellement de production de corpus écrits et oraux transcrits ainsi que d'outils facilitant la transcription manuelle. Les méthodes et techniques mises au point permettent aujourd'hui un déploiement vers le traitement automatique de l'oral à grande échelle, tout en contribuant à un domaine de recherche interdisciplinaire émergeant : la linguistique des corpus oraux.

Cette étude traite de l'évolution de la prosodie dans le style journalistique français, à partir de l'analyse acoustique d'archives audiovisuelles remontant aux années 1940. Un corpus d'une dizaine d'heures de parole a été examiné automatiquement, et nous nous sommes concentrés sur l'accent initial, qui peut donner une impression de style emphatique. Des mesures objectives suggèrent qu'en un demi-siècle les traits suivants ont diminué : la hauteur de voix des journalistes, la montée mélodique associée à l'accent initial et la durée vocalique caractérisant un accent initial emphatique. Les attaques de syllabes initiales accentuées, quant à elles, se sont allongées. Ce résultat suggère que les corrélats de durée de l'accent initial ont changé au cours du temps, dans le style journalistique français.

En didactique du français, les développements de la linguistique de corpus ont contribué au renouvellement de la réflexion sur les normes pédagogiques et sur la place de la variation dans l'enseignement. Nous nous concentrons ici sur la dimension phonético-phonologique, et, après un bref regard sur les modèles de prononciation, nous nous penchons sur l'impact des descriptions sociolinguistiques sur la valorisation des variétés en didactique du FLE. Nous reprenons ensuite la problématique des 'erreurs' et des 'accents' chez les non-natifs afin de souligner la nécessité d'études à grande échelle semblables à celles entreprises auprès de natifs. Nous introduisons ainsi le projet InterPhonologie du français contemporain, qui interroge la notion de norme non native, tant dans une perspective théorique qu'applicative.

Cet article offre un panorama des travaux menés dans le cadre du programme de recherche Phonologie du français contemporain : usages, variétés, structure (PFC). Nous situons tout d'abord ce programme dans le paysage de la phonologie du français et des études sur corpus et montrons en quoi sa méthodologie systématique permet d'offrir un renouvellement des descriptions disponibles. Après avoir exposé la méthodologie du projet et les protocoles de codage élaborés pour l'analyse du schwa et de la liaison, nous soulignons l'apport de ce programme, à la fois d'un point de vue descriptif (notamment pour les variétés non standard) mais aussi théorique, en présentant quelques résultats obtenus du point de vue de l'analyse de la liaison et du rôle de la fréquence d'usage.

Le Thesaurus Occitan (THESOC) est une base de données multimédia qui vise à rassembler toutes les données dialectales recueillies sous forme orale en domaine occitan. Il est constitué de deux parties, l'une dédiée au lexique, l'autre composée de phrases et consacrée à la syntaxe. Divers outils et fonctionnalités sont associés aux données afin de permettre aux chercheurs de constituer des corpus de travail et d'émettre et de vérifier des hypothèses. Cet article a pour objectif de présenter les modalités de construction et de consultation duTHESOC, dans ses développements les plus récents.