De la Théorie à l'Algorithme : Plans de Distinction et Extraction Automatique des Unités Terminologiques

L'extraction automatique de termes (EAT) au sein de corpus spécialisés repose sur une problématique fondamentale : la distinction opérationnelle entre le « Terme » (unité de sens spécialisée) et le « Non-Terme » (unité du lexique général). Bien que théoriquement balisée dans la littérature, cette frontière demeure techniquement poreuse pour les systèmes informatiques. Cet article examine ce passage crucial de la théorie terminologique à l'application computationnelle. Nous proposons d'abord une modélisation théorique articulée autour de six plans de distinction (pragmatique, sémantique, formel, fonctionnel, statistique et traductionnel). Ces plans, traduits en descripteurs algorithmiques, servent de leviers pour l'identification et le filtrage des candidats-termes. L'étude analyse ensuite comment ces plans cognitifs sont opérationnalisés à travers les méthodologies classique (linguistique, statistique), hybride (le standard actuel) et bilingue par alignement. Enfin, une étude de cas appliquée à un corpus bilingue (Français-Arabe) hautement spécialisé en Intelligence Artificielle permet de confronter les résultats d'un repérage manuel rigoureux (Gold Standard) à ceux d'une extraction automatique hybride. Les résultats démontrent que si l'automatisation optimise le flux de travail terminologique en traitant massivement les données, la validation finale par l'expert humain demeure indispensable pour garantir la pertinence conceptuelle et lever les ambiguïtés sémantiques.