B2 · Episode 2 · 4:45
Endangered Languages and the Wiktionary
This episode explores how the French Wiktionary documents endangered, extinct, and rare languages—covering language identification criteria, scale (390,000+ French lemmata), scientific reuse (e.g., GLAWI projects), and current limitations like small contributor base and non-query-friendly data structure.
Source：Lucas Lévêque (Lyokoï), Florian Cuny (Poslovitch) / Wikimedia Commons · License：CC BY-SA 4.0
Transcript
Néanmoins, la structure de base est elle extrêmement stable et c'est un des atouts
Nevertheless, the basic structure is extremely stable, and this is one of its major strengths
majeurs, on verra dans la suite de cette présentation.
We’ll see this in the rest of this presentation.
Il y a aussi une structure de base,
There is also a basic structure,
c'est- à- dire qu'on a déjà identifié dans le Wiktionnaire plus de 6200 langues qui
namely, we have already identified in Wiktionary over 6,200 languages,
sont des langues vivantes, des langues rares, quel que soit l'aspect,
including living languages and rare languages, regardless of the aspect considered,
mais aussi des langues mortes, des langues qui sont en perdition.
but also extinct and endangered languages.
Il y a vraiment plein de choses et on réfléchit régulièrement sur est- ce qu'on doit
There are truly many things to consider, and we regularly reflect on whether
inclure cette langue- là, est- ce que c'est une langue ou pas.
we should include that particular language—and whether it qualifies as a language at all.
On préfère souvent les inclure que les mettre en dialecte,
We often prefer to list them as languages rather than dialects,
mais ça c'est encore des choix communautaires.
yet these remain community-driven choices.
Et de toute façon, on se base sur la recherche,
In any case, we rely on scholarly research—
ce que disent les linguistes pour qualifier une langue ou non.
what linguists say about whether something qualifies as a language.
Déjà, le Wiktionnaire existe depuis maintenant, enfin depuis 2014,
Wiktionary has existed since 2014,
donc depuis maintenant 17 ans,
so it’s now been around for 17 years.
et pour le français, dans le Wiktionnaire francophone,
For French, in the French-language Wiktionary,
c'est le plus grand dictionnaire de français qui existe.
it is the largest French dictionary in existence.
On est déjà à plus de 390 000 lemmes, bientôt 400 000, et plus de 1,
We already have over 390,000 lemmas—nearly 400,000—and over 1.8 million
8 million de flexions, donc de formes fléchies, de
inflected forms,
conjugaison et tout ça.
such as verb conjugations and more.
Et cet aspect- là est très important puisque ça
This aspect is very important, because it shows that
montre qu'on peut aller très loin et on est encore loin d'être exhaustif pour le
we can go quite far in terms of scale,
français, le sera- t- on peut- être jamais, mais en tout cas,
and yet for French, we’re still far from exhaustive coverage—perhaps never fully achievable,
ça montre qu'on peut aller
but at least it demonstrates that
en termes de masse d'informations assez de manière assez loin.
we can go quite far in terms of volume of information.
Enfin, le Wiktionnaire fait déjà l'objet de réusages scientifiques.
Finally, Wiktionary is already being reused in scientific research.
Vous avez des projets GLAWI, GLAWIKI qui
You have some GLAWI and GLAWIKI projects that
ont récupéré les données, qui les réutilisent, qui font des publications autour.
have retrieved the data, reuse it, and publish research based on it.
Il y a un certain nombre de publications sur les prononciations et tout ça qui
There are already several academic publications on pronunciation and related topics that
réutilisent le Wiktionnaire, que ce soit le Wiktionnaire francophone,
reuse Wiktionary—whether the French-language version,
anglophone, germanophone, ceux qui ont une base qui est un petit peu importante,
the English- or German-language versions, or other editions with relatively large databases,
ça permet tout de suite d'avoir rapidement des données qui sont libres,
this immediately provides readily available, freely accessible data,
donc librement réutilisables et qui ne posent pas de problème à la republication
data that can be freely reused without any republication restrictions.
ensuite, donc un certain nombre de chercheurs apprécient.
So, many researchers appreciate this feature.
Voici un exemple de mot, on
Here is an example word;
parlera un petit peu du gaulois, mais voilà une langue morte,
we’ll briefly discuss Gaulish, a dead language,
décrite. Voici à quoi ressemble un article.
yet one that has been thoroughly documented. Here’s what such a dictionary entry looks like.
Donc on a, vous pouvez voir les différentes sections de l'article,
As you can see, the entry is divided into several distinct sections,
et en bas, les références qui se veulent exhaustives.
and at the bottom, references aiming to be exhaustive.
Alors je sais pas si on a fouillé tous les dictionnaires de gaulois qui existent,
I’m not sure whether all existing Gaulish dictionaries have been thoroughly examined,
mais je sais que la plupart ont été identifiés et servent de source.
but I do know most of them have been identified and serve as source material.
Et vous pouvez voir que dans la description du gaulois, là,
You can see that in the Gaulish description here,
il est écrit en langue, que ce que je me rappelle bien,
it states—in my recollection—
c'est du gallo- étrusque, l'alphabet.
that the script used is Gallo-Etruscan.
On peut quand même donner un certain nombre de sources d'information et on peut
Even though the language is extinct, we can still provide numerous information sources,
l'illustrer quand même, même si la langue est morte.
and even illustrate it to some extent.
Et donc les limites du Wiktionnaire, c'est qu'à côté de ça,
So, Wiktionary’s limitation is that, alongside all this, it is not a lexical database.
ce n'est pas une base de données lexicale.
It’s just an online dictionary website.
Il y a bien une base de données derrière le site,
There is indeed a database behind the site,
mais ce n'est pas une base de données qui est interrogable facilement.
but it’s not easily queryable.
On peut l'interroger, mais ça demande un certain nombre de compétences et surtout un
You can query it, but doing so requires certain technical skills,
certain traitement des données.
especially specialized data processing.
Donc il n'est pas tout de suite interrogable, c'est une des premières limites.
So it can’t be queried right away—this is one of the first limitations.
Si vous voulez vous faire une base de données de l'EM, ce n'est pas le but.
If you want to build a database for the French Dictionary (EM), that’s not its purpose.
On peut la faire a posteriori.
However, we can do it later.
Une autre limite du Wiktionnaire, c'est qu'il a une petite communauté.
Another limitation of Wiktionary is that its community is quite small.
On a environ 250 personnes à contribuer régulièrement sur le projet,
About 250 people contribute regularly to the project,
ce qui implique qu'il manque beaucoup de choses à dire, à faire,
which means many things still need to be added, improved,
à structurer sur les langues.
and structured for languages.
Il y a des pans entiers qui manquent de description puisqu'on n'a
Entire language domains lack description, since
pas de gens qui s'y sont intéressés.
no one has taken an interest in them yet.
Et là, on est vraiment très dépendant de l'intérêt des
At this point, we’re highly dependent on people’s willingness to contribute,
personnes pour la contribution, puisqu'on
as we really are a very small team.
est vraiment une petite équipe.
(reinforcing) We truly are just a tiny team.
Si quelqu'un ne s'est pas intéressé à une langue,
If no one takes an interest in a particular language,
on n'aura très vite pas grand chose.
then very quickly, there’ll be almost nothing available.
Donc voilà. Et puis enfin, il y a pour la plupart des langues.
So that’s how it is—for most languages.
Souvent une première étape qui est un mot et en fait il reste tout le cadre de
Often, the first step is simply adding a single word,
description à faire.
but the full descriptive framework remains to be built.
C'est ce qu'on va voir aujourd'hui, comment faire ce cadre de description.
Today, we’ll explore exactly how to build that descriptive framework.
Mais voilà, c'est souvent une première étape à faire quand on veut décrire une
So, when you want to describe a language with little existing content on the project,
langue qui est peu présente sur le projet.
this is often the essential first step.
Il y a toute une réflexion sur le cadre de description.
There’s also a great deal of reflection needed on the descriptive framework itself.
Mais pour ça, néanmoins, la communauté aide, elle ne
Still, the community offers support—
vous laisse jamais seul.
you’re never left alone.
Je vais faire cette première étape- là.
I’ll now carry out this first step.
Donc là, on va prendre en compte, on est fan d'une langue régionale,
Let’s say you’re passionate about a regional language,
une langue rare, une langue en danger ou une langue morte, et on
a rare or endangered language—or even a dead language,
voudrait la mettre dans le Wiktionnaire.
and you’d like to add it to Wiktionary.
Donc on va commencer les étapes par étapes.
So, we’ll begin step by step.
La première étape, c'est qu'il faut établir déjà la vitalité de la langue.
The first step is to assess the language’s vitality.
Bon, alors si on sait qu'elle est morte du Moyen Âge, tout ça,
Well, if we know it died out in the Middle Ages,
on va passer un petit peu à côté sur une langue rare en danger.
we’ll briefly set aside a rare, endangered language.
Ce qui va nous intéresser, c'est de savoir cette vitalité,
What interests us is this vitality:
comment on va pouvoir, enfin qu'est- ce qu'il va falloir faire sur le wiktionnaire
how, on Wiktionary,
pour pouvoir la décrire.
can we describe it?
Donc vraiment établir la vitalité, c'est savoir s'il y a encore de la néologie,
Specifically, assessing vitality means checking whether new words are still being created,
s'il y a des corpus qui sont accessibles, si c'est des corpus oraux,
whether accessible corpora exist,
des corpus écrits.
and whether those corpora are spoken or written.
Toutes ces informations- là vont nous permettre de savoir à quoi on va avoir affaire
All this information will help us understand
quand on va vouloir la décrire.
what we’re dealing with when we describe it.