<?xml version="1.0" encoding="utf-8"?><feed xmlns="http://www.w3.org/2005/Atom" xml:lang="fr"><generator uri="https://jekyllrb.com/" version="3.10.0">Jekyll</generator><link href="https://www.lectura.world/articles/feed.xml" rel="self" type="application/atom+xml" /><link href="https://www.lectura.world/" rel="alternate" type="text/html" hreflang="fr" /><updated>2026-11-17T12:29:00+00:00</updated><id>https://www.lectura.world/articles/feed.xml</id><title type="html">Lectura</title><subtitle>Lectura développe des outils pour la lecture du français : analyse du langage (NLP), synthèse et reconnaissance vocales, lexique de plus de deux millions d&apos;entrées et outils pédagogiques pour l&apos;apprentissage de la lecture.</subtitle><entry><title type="html">Le point de vue phonétique</title><link href="https://www.lectura.world/articles/le-point-de-vue-phonetique/" rel="alternate" type="text/html" title="Le point de vue phonétique" /><published>2026-11-11T00:00:00+00:00</published><updated>2026-11-11T00:00:00+00:00</updated><id>https://www.lectura.world/articles/le-point-de-vue-phonetique</id><content type="html" xml:base="https://www.lectura.world/articles/le-point-de-vue-phonetique/"><![CDATA[<h2 id="lidée-fondatrice">L’idée fondatrice</h2>

<p>Le projet Lectura repose sur une conviction : la <strong>représentation phonétique</strong> du français est un point de factorisation naturel pour des problèmes qui, en apparence, relèvent de domaines très différents. La technologie vocale, l’apprentissage de la lecture et la compréhension de la grammaire partagent un même socle : le langage parlé, formalisé en phonétique IPA.</p>

<p>Plutôt que de traiter ces problèmes séparément, Lectura les aborde à travers ce même prisme.</p>

<hr />

<h2 id="factoriser-la-technologie-vocale">Factoriser la technologie vocale</h2>

<p>La synthèse vocale (TTS) et la reconnaissance vocale (STT) sont traditionnellement traitées comme deux problèmes distincts, avec des architectures et des données d’entraînement séparées. Pourtant, ils partagent un même espace intermédiaire : la <strong>transcription phonétique</strong>.</p>

<p>Le pipeline d’ingénierie vocale de Lectura peut ainsi se résumer de la façon suivante :</p>

<ul>
  <li>Le <strong>TTS</strong> (Text-To-Speech) transforme du texte en phonèmes, puis des phonèmes en audio.</li>
  <li>Le <strong>STT</strong> (Speech-To-Text) transforme de l’audio en phonèmes, puis des phonèmes en texte.</li>
</ul>

<p>Cette approche va à contre-courant de la tendance actuelle, qui privilégie les architectures <strong>end-to-end</strong> : un seul modèle massif qui apprend directement la correspondance texte ↔ audio. Ces systèmes donnent d’excellents résultats, mais au prix de modèles volumineux, de corpus d’entraînement considérables et de matériel coûteux (clusters de GPU).</p>

<p>L’architecture modulaire de Lectura fait le pari inverse : développer, tester et améliorer chaque couche séparément, et combiner librement les briques selon le besoin (TTS, STT, ou tout pipeline hybride).</p>

<p>En isolant la couche phonétique, Lectura tente de factoriser le problème au bon niveau. En épurant le langage textuel de sa couche orthographique, le modèle acoustique, en amont ou en aval, n’a plus qu’à gérer la correspondance entre phonèmes et signal sonore, qui a pour avantage d’être bijective. De plus, le <a href="/developpement/modules/outils/phonemiseur/">Phonémiseur</a> (texte → IPA) et le <a href="/developpement/modules/outils/graphemiseur/">Graphémiseur</a> (IPA → texte) deviennent des briques réutilisables indépendamment de la modalité audio (voir le <a href="/solutions/technologiques/#analyse-du-langage">correcteur</a>).</p>

<p>Les bénéfices sont concrets :</p>

<ul>
  <li><strong>Des modèles légers, rapides et portables.</strong> Chaque brique ne résout qu’une partie du problème, ce qui permet d’utiliser des architectures modestes. Les modèles de phonémisation et d’écriture tiennent en quelques dizaines de mégaoctets, le décodeur de la reconnaissance vocale en 50 Mo : ils tournent sans carte graphique, ce qui permet de les embarquer dans une application.</li>
  <li><strong>Moins de données nécessaires.</strong> Des modèles spécialisés plus petits s’entraînent sur des corpus plus modestes que leurs équivalents end-to-end.</li>
  <li><strong>Moins de matériel.</strong> L’entraînement de chaque brique ne nécessite qu’un GPU léger (une simple carte NVIDIA RTX 3060), là où les systèmes end-to-end demandent souvent des grappes de GPU et des semaines de calcul.</li>
</ul>

<hr />

<h2 id="entraînement-des-modèles--le-phonémiseur-comme-socle">Entraînement des modèles : le phonémiseur comme socle</h2>

<p>La stratégie d’entraînement de Lectura découle directement de cette architecture centrée sur la phonétique.</p>

<p>La première étape a été de développer un <strong>phonémiseur de qualité</strong>, capable de transcrire fidèlement du texte français en phonétique IPA, avec la morphologie, les liaisons et la prosodie. C’est le socle sur lequel tout le reste repose.</p>

<p>Une fois ce phonémiseur fiable, il devient possible de <strong>phonémiser les grands corpus</strong> textuels et vocaux existants :</p>

<table>
  <thead>
    <tr>
      <th>Corpus</th>
      <th>Nature</th>
      <th>Utilisation</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td><strong>Wikipedia FR</strong></td>
      <td>Texte</td>
      <td>Corpus texte ↔ phonétique pour le G2P et le P2G</td>
    </tr>
    <tr>
      <td><strong>Common Voice</strong></td>
      <td>Voix + texte</td>
      <td>Corpus audio ↔ phonétique pour le TTS et le STT</td>
    </tr>
    <tr>
      <td><strong>SIWIS</strong></td>
      <td>Voix studio</td>
      <td>Corpus audio haute qualité pour le TTS</td>
    </tr>
    <tr>
      <td><strong>LibriVox</strong></td>
      <td>Voix + texte</td>
      <td>Corpus audio multilocuteur pour le STT</td>
    </tr>
  </tbody>
</table>

<p>Le point clé : ces corpus annotés en phonétique sont <strong>réutilisables dans les deux sens</strong>. Un corpus texte-phonétique sert à entraîner le phonémiseur (texte → IPA) <em>et</em> le graphémiseur (IPA → texte). Un corpus voix-phonétique sert à entraîner le TTS (phonèmes → audio) <em>et</em> le STT (audio → phonèmes). La factorisation au niveau phonétique se retrouve jusque dans les données d’entraînement.</p>

<hr />

<h2 id="un-langage-sous-jacent-à-lapprentissage-de-la-lecture">Un langage sous-jacent à l’apprentissage de la lecture</h2>

<p>Le français est une langue <strong>opaque</strong> du point de vue orthographique : un même son peut s’écrire de dizaines de façons différentes (le son /o/ s’écrit <em>o, au, eau, ô, ot, os, op, aud, aux, ault…</em>). Cette opacité est le premier obstacle de l’apprentissage de la lecture.</p>

<p>L’approche syllabique, largement utilisée en pédagogie, consiste à décomposer les mots en syllabes pour faciliter le déchiffrage. Mais la syllabe elle-même repose sur la phonétique : c’est la <strong>structure sonore</strong> du mot qui détermine ses frontières syllabiques, pas son orthographe. La phonétique est le langage sous-jacent au point de vue syllabique.</p>

<p>L’approche phonétique de Lectura rend explicite ce qui est implicite dans l’orthographe :</p>

<ul>
  <li>Quel son produit chaque lettre ou groupe de lettres ?</li>
  <li>Quelles lettres ne se prononcent pas ?</li>
  <li>Comment les mots se connectent-ils à l’oral (liaisons, élisions) ?</li>
  <li>Où se situent les frontières syllabiques ?</li>
</ul>

<p>Ces informations, triviales pour un lecteur expert, sont précisément ce que l’apprenant doit construire. C’est l’objectif du <a href="/developpement/modules/metiers/g2p/">pipeline de lecture augmentée</a> de Lectura : produire un texte que l’on peut <strong>voir</strong>, <strong>entendre</strong> et <strong>explorer</strong> à différents niveaux de granularité.</p>

<hr />

<h2 id="la-phonétique-comme-clé-de-la-grammaire">La phonétique comme clé de la grammaire</h2>

<p>C’est peut-être l’enseignement le plus surprenant du projet. Le <a href="/developpement/modules/metiers/p2g/">pipeline P2G</a> (phonèmes → texte) est capable d’étiqueter correctement la <strong>morphologie</strong> des mots (catégorie grammaticale, genre, nombre, conjugaison) à partir de la seule transcription phonétique de la phrase.</p>

<p>Autrement dit : le signal du langage parlé <strong>suffit</strong> à comprendre la grammaire et, en grande partie, l’orthographe d’une phrase, à condition de disposer de suffisamment de contexte. Le modèle P2G, entraîné uniquement sur des séquences phonétiques, retrouve les accords, distingue les homophones et reconstruit l’orthographe avec une précision d’environ 95%.</p>

<p>Ce résultat ouvre des perspectives concrètes, notamment pour la <strong>correction orthographique</strong>. Si un modèle peut retrouver l’orthographe correcte à partir de la phonétique, alors un correcteur peut s’appuyer sur la même logique : convertir la phrase en phonétique, puis vérifier si la graphie choisie par l’utilisateur est cohérente avec ce que le modèle attendrait. C’est l’une des approches du <a href="/solutions/technologiques/#analyse-du-langage">correcteur</a> de Lectura.</p>

<hr />

<h2 id="en-résumé">En résumé</h2>

<p>La représentation phonétique est un point de factorisation efficace à trois niveaux :</p>

<table>
  <thead>
    <tr>
      <th>Niveau</th>
      <th>Problème</th>
      <th>Apport de la phonétique</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td><strong>Technologique</strong></td>
      <td>TTS et STT traités séparément</td>
      <td>Couche commune phonémiseur/graphémiseur, modèles acoustiques indépendants</td>
    </tr>
    <tr>
      <td><strong>Pédagogique</strong></td>
      <td>Opacité de l’orthographe française</td>
      <td>La phonétique rend explicite la logique sous-jacente aux syllabes et à la lecture</td>
    </tr>
    <tr>
      <td><strong>Linguistique</strong></td>
      <td>Grammaire et orthographe</td>
      <td>Le signal phonétique suffit à retrouver la morphologie et l’orthographe en contexte</td>
    </tr>
  </tbody>
</table>

<p>C’est cette idée, placer la phonétique au centre, qui structure l’ensemble du projet Lectura et en constitue un axe de recherche à part entière.</p>]]></content><author><name></name></author><category term="article" /><summary type="html"><![CDATA[L'approche fondamentale de Lectura : la phonétique comme passerelle entre l'écrit, la voix et l'apprentissage de la lecture.]]></summary></entry><entry><title type="html">Les syllabes du français, avec leurs sons</title><link href="https://www.lectura.world/articles/corpus-de-syllabes/" rel="alternate" type="text/html" title="Les syllabes du français, avec leurs sons" /><published>2026-11-03T00:00:00+00:00</published><updated>2026-11-03T00:00:00+00:00</updated><id>https://www.lectura.world/articles/corpus-de-syllabes</id><content type="html" xml:base="https://www.lectura.world/articles/corpus-de-syllabes/"><![CDATA[<p>Comment s’écrit le son /o/ ? <em>au</em>, <em>o</em>, <em>eau</em>, <em>ô</em>… et dans quel ordre de fréquence ? C’est le genre de question auquel répond le <strong>corpus de syllabes</strong> de Lectura.</p>

<h2 id="ce-quil-contient">Ce qu’il contient</h2>

<p>Le corpus est construit à partir de <a href="/articles/lexik-et-wikilexik/">LeXiK</a>, le lexique de Lectura :</p>

<ul>
  <li><strong>4 946 syllabes</strong> du français, chacune avec son fichier son, ses graphies et, quand elle est connue, sa fréquence dans les textes ;</li>
  <li><strong>1 269 sons et syllabes d’apprentissage</strong>, rangés comme on les apprend : les lettres et leurs sons, les voyelles, les syllabes simples, puis les sons plus complexes.</li>
</ul>

<p>Les sons sont lus par une voix de synthèse de Lectura.</p>

<h2 id="pour-qui">Pour qui</h2>

<p>Le corpus s’adresse aux enseignants, aux orthophonistes et aux auteurs de supports : fiches, imagiers, jeux de lecture, applications. C’est la première ressource tirée de LeXiK pour l’apprentissage de la lecture, là où se rejoignent les deux sens du mot « lecture » qui donnent son nom à Lectura.</p>

<p>Un échantillon gratuit permet de l’essayer avant de l’acheter.</p>

<ul>
  <li><a href="https://lexique.lectura.world/corpus/syllabes">Le corpus et son échantillon, sur LecturaLexique</a></li>
</ul>]]></content><author><name></name></author><category term="article" /><summary type="html"><![CDATA[Un corpus de 4 946 syllabes du français, tiré de LeXiK : pour chacune, son fichier son, ses graphies et sa fréquence ; avec les sons et syllabes de l'apprentissage de la lecture.]]></summary></entry><entry><title type="html">LeXiK et WiKiLeXiK : le lexique de Lectura et son dictionnaire</title><link href="https://www.lectura.world/articles/lexik-et-wikilexik/" rel="alternate" type="text/html" title="LeXiK et WiKiLeXiK : le lexique de Lectura et son dictionnaire" /><published>2026-10-30T00:00:00+00:00</published><updated>2026-10-30T00:00:00+00:00</updated><id>https://www.lectura.world/articles/lexik-et-wikilexik</id><content type="html" xml:base="https://www.lectura.world/articles/lexik-et-wikilexik/"><![CDATA[<p>« Les poules couvent au couvent. » Le même mot écrit, deux prononciations. Un lexique qui ne donne qu’une prononciation par mot écrit se trompe une fois sur deux ; <strong>LeXiK</strong> distingue les deux, parce qu’il prononce chaque <strong>analyse</strong> (le nom, le verbe…), et pas seulement chaque mot écrit.</p>

<h2 id="lexik-un-nouveau-lexique-du-français">LeXiK, un nouveau lexique du français</h2>

<p>LeXiK réunit plusieurs bases lexicales libres et les croise entre elles. Ce qu’il apporte de nouveau :</p>

<ul>
  <li>des <strong>corrections</strong> des sources, relevées en les comparant ;</li>
  <li>plus de <strong>400 000 noms propres</strong> prononcés ;</li>
  <li>l’<strong>alignement</strong> entre les lettres et les sons ;</li>
  <li>la <strong>syllabation</strong>, de la prononciation comme de l’orthographe ;</li>
  <li>des <strong>fréquences</strong> réparties entre les analyses d’un même mot écrit, quand les corpus le permettent ;</li>
  <li>la <strong>provenance</strong> de chaque prononciation.</li>
</ul>

<p>Il peut servir à la synthèse vocale (savoir comment se prononce chaque mot, selon son analyse), à la reconnaissance vocale (un dictionnaire de prononciation très étendu), aux correcteurs (formes fléchies, analyses, homophones), à l’apprentissage de la lecture ou à la recherche en psycholinguistique. C’est d’ailleurs le socle commun de tous les projets de Lectura.</p>

<p>LeXiK est libre et gratuit, sous licence CC BY-SA 4.0, et publié sur <a href="/articles/lexik-publie-sur-ortolang/">ORTOLANG</a>.</p>

<h2 id="wikilexik-le-dictionnaire-encyclopédique-de-lexik">WiKiLeXiK, le dictionnaire encyclopédique de LeXiK</h2>

<p>« Avocat » : le métier, le fruit, la couleur… et une série télévisée. Quels sont les synonymes de « penser », et comment se conjugue-t-il ? Quelles personnalités portent le prénom « Maxime » ? Peut-on obtenir la liste des fruits, des plus connus aux moins connus ?</p>

<p><strong>WiKiLeXiK</strong> répond à ces questions. Il a deux objectifs : donner une interface web à LeXiK, et relier cette couche lexicale aux projets Wiki. Il assemble ainsi trois couches :</p>

<ul>
  <li><strong>lexicale</strong> : les formes et les lemmes, avec leur prononciation (LeXiK) ;</li>
  <li><strong>sémantique</strong> : les définitions, les synonymes, l’étymologie et les traductions du Wiktionnaire, grâce à l’extraction Kaikki ;</li>
  <li><strong>encyclopédique</strong> : les entités de Wikidata liées au mot (personnes, lieux, œuvres…), rangées en catégories.</li>
</ul>

<p>Pensé pour le grand public, il propose aussi les rimes, la conjugaison et des recherches par début ou fin de mot. Il est consultable gratuitement en ligne.</p>

<ul>
  <li><a href="https://lexique.lectura.world/mot/avocat">Essayer WiKiLeXiK avec « avocat »</a></li>
  <li><a href="https://lexique.lectura.world/categories">Les catégories</a></li>
  <li><a href="https://lexique.lectura.world/lexik">Découvrir LeXiK</a></li>
</ul>]]></content><author><name></name></author><category term="article" /><summary type="html"><![CDATA[Ce que LeXiK apporte de nouveau aux lexiques du français, et WiKiLeXiK, le dictionnaire en ligne qui le relie au Wiktionnaire et à Wikidata.]]></summary></entry><entry><title type="html">LeXiK est publié sur ORTOLANG</title><link href="https://www.lectura.world/articles/lexik-publie-sur-ortolang/" rel="alternate" type="text/html" title="LeXiK est publié sur ORTOLANG" /><published>2026-10-29T00:00:00+00:00</published><updated>2026-10-29T00:00:00+00:00</updated><id>https://www.lectura.world/articles/lexik-publie-sur-ortolang</id><content type="html" xml:base="https://www.lectura.world/articles/lexik-publie-sur-ortolang/"><![CDATA[<p>Le 29 octobre 2026, <strong>LeXiK</strong>, le lexique du français développé par Lectura, a été publié sur <a href="https://www.ortolang.fr/">ORTOLANG</a>, la plateforme où la recherche française dépose et partage ses ressources linguistiques : corpus, lexiques, outils. Les dépôts y sont examinés par des modérateurs avant d’être publiés.</p>

<h2 id="une-première-reconnaissance">Une première reconnaissance</h2>

<p>Lectura n’est pas né dans un laboratoire. Le projet est porté par une seule personne, venue d’un autre horizon, qui travaille avec l’intelligence artificielle comme partenaire de production. Voir LeXiK accepté sur une plateforme de la recherche est donc une étape importante : c’est une première reconnaissance académique du travail de Lectura, et la preuve qu’un projet indépendant peut produire une ressource que la communauté scientifique peut citer et réutiliser.</p>

<p>C’est une petite victoire, mais une victoire : le lexique est désormais <strong>citable</strong>, par un identifiant pérenne, <a href="https://hdl.handle.net/11403/lexik">hdl.handle.net/11403/lexik</a>.</p>

<h2 id="lexik-en-quelques-mots">LeXiK en quelques mots</h2>

<p>LeXiK réunit plusieurs bases lexicales libres en une base unique, cohérente et corrigée, et y ajoute les enrichissements de Lectura (prononciation de chaque analyse, syllabes, alignement des lettres et des sons). Il compte près de 2,9 millions d’entrées.</p>

<p>Ses sources : Lexique 3 et 4, GLÀFF, le Wiktionnaire (par l’extraction Kaikki), Grammalecte, Wikidata, ipa-dict, GeoNames, l’INSEE et les treebanks Universal Dependencies. Un grand merci à leurs auteurs et à leurs contributeurs : sans eux, LeXiK n’existerait pas.</p>

<p>LeXiK est sous licence libre <strong>CC BY-SA 4.0</strong> : on peut le télécharger et le réutiliser, en le citant et sous la même licence.</p>

<ul>
  <li><a href="https://hdl.handle.net/11403/lexik">LeXiK sur ORTOLANG</a></li>
  <li><a href="https://huggingface.co/datasets/lecturaworld/lexik">Une copie sur Hugging Face</a></li>
  <li><a href="https://lexique.lectura.world/lexik">La présentation de LeXiK sur LecturaLexique</a></li>
</ul>]]></content><author><name></name></author><category term="article" /><summary type="html"><![CDATA[Le lexique de Lectura rejoint ORTOLANG, la plateforme de la recherche française pour les ressources linguistiques : une première reconnaissance académique pour un projet né hors de l'université.]]></summary></entry></feed>