Lemmatiseur de grec ancien

Lemmatisation et lecture du grec ancien

greek.lemmatisation.com est un outil gratuit de philologie numérique : il lemmatise les formes grecques en contexte, en donne l’analyse grammaticale et une glose française, et repère le vocabulaire moins fréquent dans l’ordre du texte.

Parousia analyse localement chaque phrase d’un seul tenant : il donne pour chaque mot sa vedette du LSJ, sa nature, sa morphologie et sa fonction dans l’arbre de dépendances de la phrase, selon les Universal Dependencies. Le passage collé reste dans le navigateur. Unicode, élisions et bruit éditorial sont harmonisés avant l’analyse. Au premier usage, le navigateur télécharge Parousia et son moteur, environ 16 Mo compressés, puis les garde en cache.

Les dictionnaires LSJ, Pape, Bailly et Bailly abrégé ainsi que la consultation des flexions complètent l’analyse. Les rangs de fréquence ont été comptés avant Parousia, par Sôtêr mini, un modèle antérieur du site, sur un état antérieur du corpus de The Greek Library : 71 036 436 mots, répartis en 5 974 éditions. Comme tout traitement automatique, les lemmes proposés peuvent demander une vérification philologique.

D’où vient Parousia

Parousia a appris sur 87,6 millions de mots de grec de The Greek Library, des Présocratiques aux Byzantins, annotés selon une même norme : vedettes du LSJ, morphologie positionnelle de l’AGDT, dépendances UD. Ces annotations sont celles d’un modèle maître, formé de deux analyseurs plus gros fondés sur GreBerta et PhilBerta, eux-mêmes entraînés sur 19,2 millions de mots annotés par un grand modèle de langue guidé par la norme. Parousia en est la version de poche : 3,8 millions de paramètres actifs et 10,8 millions dans ses tables (mémoire lexicale et règles de lemme), soit 17 Mo une fois quantifié en int8, assez peu pour tourner dans un navigateur. Il succède à Sôtêr, qui ne donnait que le lemme.

Ce qui distingue Parousia d’un analyseur morphologique

Eulexis, de Philippe Verkerk (Biblissima+), est un analyseur morphologique : il cherche chaque forme dans une table de formes attestées et rend tous les lemmes auxquels elle peut appartenir. La même forme donne toujours la même liste, quelle que soit la phrase. C’est sa force — rien n’est caché, et c’est le lecteur qui arbitre.

Parousia est un modèle entraîné. Il lit la phrase entière, chaque mot avec ses lettres et ses voisins, et rend un seul lemme et une seule analyse. Il tranche donc l’ambiguïté par le contexte — αὐτοῦ génitif de αὐτός ou adverbe « là », ἦ verbe ou particule — là où une table ne peut qu’énumérer les possibilités. En échange il peut se tromper, et il n’énumère pas : ce qu’il ne propose pas ne s’affiche pas.

Les deux approches se complètent plutôt qu’elles ne s’opposent, et ce site les emploie ensemble : la table d’Eulexis est consultée ici même, en recours, lorsque Parousia rend un lemme qu’aucun dictionnaire ni le fréquentiel ne connaissent.

Méthode et limites

Les sorties de Parousia sont des prédictions : elles se vérifient comme on vérifie un commentaire. Ce qu’il faut savoir pour s’en servir :

• Un seul lemme et une seule analyse par forme, sans alternative ; la table d’Eulexis n’est consultée qu’en recours, pour un lemme que ni les dictionnaires ni le fréquentiel ne connaissent.
• Les mots entièrement en capitales sont analysés en minuscules, sans accents : l’analyse en est moins sûre, et la vedette est réaccentuée d’après le fréquentiel.
• Les vedettes sont celles du LSJ ; la glose française vient du Bailly abrégé, complété par les définitions courtes du LSJ traduites. Les deux peuvent diverger.
• Les rangs de fréquence ont été calculés par Sôtêr mini, un autre modèle : un lemme rendu par Parousia peut y manquer.
• Les arbres sont affichés pour les 300 premières phrases d’un texte ; les lemmes, la morphologie et le vocabulaire couvrent le texte entier.
• L’analyse s’exporte en CoNLL-U (étiquettes UD et AGDT) et en CSV, pour être corrigée ou reprise ailleurs.

Les chiffres qui suivent sont des pourcentages de mots grecs, ponctuation exclue, dont l’annotation coïncide avec celle de la référence. Le premier tableau mesure ce que le lecteur voit : le lemme rendu par la chaîne complète du site, de la normalisation du texte à la vedette affichée, comparé à celui de Sôtêr v2, le modèle précédent. Pour les quatre textes de l’AGDT, l’échantillon compte 300 formes par œuvre, régulièrement espacées : un point d’écart y représente trois mots.

Le second tableau porte sur l’analyse entière. Chaque treebank a ses conventions (choix des vedettes, catégories, étiquettes des relations), et la norme de Parousia ne coïncide exactement avec aucune : ses sorties ont donc été converties dans les conventions de chaque treebank par des tables de correspondance apprises sur la partie d’entraînement de chacun. Ces chiffres mesurent l’accord avec la référence après cette conversion, non la sortie brute du site : sur Perseus, 93,1 % de lemmes justes après conversion, 92,5 % tels qu’affichés. Nature : partie du discours UD (UPOS) ; UAS : tête syntaxique juste ; LAS : tête et fonction justes.

Le grec byzantin non édité reste le point faible : sur le DBBE, la nature n’est juste que pour 86,1 % des mots, et Sôtêr v2 y rend le lemme un peu mieux que Parousia. Un désaccord avec la référence n’est pas toujours une erreur : deux treebanks n’emploient pas toujours la même vedette pour le même mot.

Citer cet outil

Luc Pommeret, Jules Deret et Thibault Wagret, greek.lemmatisation.com : lemmatisation et analyse grammaticale du grec ancien avec Parousia, LISN (CNRS, Université Paris-Saclay) et HiSoMA (UMR 5189), version du 15 octobre 2026, https://greek.lemmatisation.com/ (consulté le …).

@software{pommeret_greek_lemmatisation,
  author       = {Pommeret, Luc and Deret, Jules and Wagret, Thibault},
  title        = {greek.lemmatisation.com : lemmatisation et analyse
                  grammaticale du grec ancien avec Parousia},
  organization = {LISN (CNRS, Université Paris-Saclay) and HiSoMA (UMR 5189)},
  year         = {2026},
  version      = {2026-10-15},
  url          = {https://greek.lemmatisation.com/}
}

Sources et licences

Analyse

Parousia, de Luc Pommeret, exécuté dans le navigateur par ONNX Runtime Web. Normes d’annotation : vedettes du LSJ, morphologie de l’Ancient Greek Dependency Treebank (AGDT, Perseus), dépendances des Universal Dependencies.

Dictionnaires et flexion

Eulexis-web (Philippe Verkerk, Biblissima+), interrogé à distance : LSJ, Pape, Bailly 2020 et Bailly abrégé.

Gloses françaises

Bailly abrégé, d’après les données d’Eulexis ; complété par les définitions courtes du LSJ (Perseus Digital Library, CC BY-SA), traduites en français. La table de formes consultée en recours vient aussi d’Eulexis.

Fréquentiel

Corpus de The Greek Library, lemmatisé par Sôtêr mini (Luc Pommeret, Jules Deret, Thibault Wagret).

Polices

Lemmata, dérivée de Gentium Book Plus (SIL International), et Lemmata Sans, dérivée de Source Sans 3 (Adobe) : SIL Open Font License 1.1 (Lemmata, Lemmata Sans).

Bandeau

Bellérophon, mosaïque romaine, musée Rolin (Autun) ; photo Florian Hoffmann, recadrée, CC BY-SA 4.0.

Confidentialité

Ce site ne mesure pas son audience. Le texte collé ne quitte pas la page : Parousia est exécuté dans votre navigateur. Seuls un réglage (l’affichage de l’analyse grammaticale) et vos dernières analyses, pour être rouvertes sans nouveau calcul, sont gardés dans ce navigateur (localStorage) ; le lien « Les oublier » efface ces analyses. Les consultations de dictionnaire et de flexion, elles, interrogent le service Eulexis (Biblissima+) par un relais du site : le lemme demandé lui est transmis, et c’est le seul cas où un cookie est déposé, celui de la session Eulexis, réservé à ces consultations et effacé à la fin de la session de navigation. Les autres requêtes ne font que télécharger les fichiers du site (modèle, données, extraits de la table de formes).

Vos retours sont bienvenus :