B. les transcriptions

Le début du travail sur les productions authentiques a fait surgir un certain nombre de difficultés dont la principale concernait le moyen d’aborder et d’appréhender cette réalité orale qui semblait tellement fugace. Même si les enregistrements audio constituaient le matériau de référence, il devenait impossible d’en réserver l’usage à leur écoute. Seule une trace écrite pouvait autoriser le travail d’analyse entrepris. La nécessité de faire seconder les enregistrements audio des transcriptions sur papier des productions orales avait déjà été notée par Silverman :

‘CA’s [Conversation Analysis] concern with the sequential organization of talk means that it needs precise transcriptions of such (commonsensically) trivial matters as overlapping talk and length of pauses. Close, repeated listenings to recordings often reveal previously unnoted recurring features of the organization of talk (2001 : 166, souligné par l’auteur).’

Il s’avérait de plus indispensable de citer quelques extraits d’interactions afin d’illustrer ou d’éclaircir certains passages d’analyse. Comment dès lors rendre accessible aux lecteurs les dires des participants aux interactions ainsi que leurs caractéristiques, tout en respectant l’anonymat en vigueur dans ce type d’étude. À cela venaient également se greffer des problèmes juridiques liés aux conditions de recueil des corpus, puisqu’il n’avait pas été possible de solliciter l’accord des cliagers pour utiliser leurs voix et leurs propos ⁵² .

Dès l’instant où il a fallu envisager une transcription des données audio sur papier, deux problèmes majeurs sont apparus :

1 – La « fidélité à la chose parlée »

La première de ces difficultés concerne la « fidélité à la chose parlée » (Blanche-Benveniste et Jeanjean, 1987 : 115) car il est très difficile de maintenir dans une représentation écrite certaines caractéristiques de l’oral.

2 – La lisibilité du document.

La seconde difficulté a rapport à la lisibilité du document écrit puisqu’il est impossible de rendre compte de propos oraux en restant dans des habitudes d’écriture et de lecture établies pour l’écrit. Envisagée dans un premier temps, la transcription phonétique, offrant l’avantage d’un accès aux faits d’oralité en même temps direct et proche de leur réalité car elle permet de ne pas avoir à « choisir l’orthographe de la langue dans laquelle on veut transcrire et donc de ne pas l’attribuer à une langue précise » (Mondada, 2000b : 140), a néanmoins été écartée pour les raisons suivantes :

• il s’agit d’un type de transcription qui n’est pas immédiatement accessible à tout un chacun et qui aurait ainsi pu priver une certaine partie des lecteurs de l’accès aux transcriptions ;
• la transcription phonétique est difficile à réaliser sur de grands corpus ;
• il est plus facile de partir d’une identification des morphèmes, donc d’une transcription orthographique, et d’ajouter après les particularités phoniques que de procéder en sens inverse (Blanche-Benveniste et Jeanjean, 1987 : 127). La transcription phonétique aurait nécessité un départ depuis la lecture phonique pour parvenir à l’identification des morphèmes ;
• la transcription détache visuellement ce qui est transcrit et le rend quelque peu étrange par rapport au reste (Mondada, 2000b : 140) ;
• la transcription phonétique n’est pas très appropriée à la saisie informatique des corpus car elle ne se prête pas à la réalisation de statistiques ou de tableaux de concordance.

Tous les inconvénients de la transcription phonétique ont conduit à son abandon. J’ai finalement opté en faveur d’une transcription en orthographe adaptée, transcription critiquée par Blanche-Benveniste et Jeanjean, principalement parce qu’elle impose le recours à des « trucages orthographiques » (1987 : 130).

‘Les trucages consistent essentiellement en petites transformations de l’orthographe standard comme l’usage des contractions, qui notent une voyelle, une consonne ou une syllabe en moins ; ou l’usage des mots attachés. On trouve aussi des allongements de voyelles et de consonnes, marqués par des redoublements de lettres (ibid.).’

Les principales modifications apportées à la représentation graphique standard concernent essentiellement (i) une adaptation du système orthographique standard, et (ii) un usage des signes de ponctuation dépourvus de leur signification dans la langue écrite orthographiée.

Chaque transcription est précédée de la date et du lieu de l’enregistrement, puis d’une rapide situation des interactants d’un point de vue personnel indiquant un âge approximatif et les informations accessibles qui semblaient pertinentes dans le cadre de l’étude. Afin d’assurer l’anonymat des participants, tous les noms et prénoms figurant dans les corpus ont été remplacés par des équivalents fréquents tels que Martin ou Dupond pour les noms de famille ; Pierre, Joseph ou Jean pour les prénoms masculins ; et Pierrette, Paulette ou Marinette pour les prénoms féminins. Les adresses prennent toutes le nom des Tisserands : rue des Tisserands, lieux-dit « Les Tisserands », résidence « Les Tisserands », etc. Seuls les noms de ville et dates de naissance n’ont pas été modifiés car ils permettent de différencier les participants lorsque cela s’avère nécessaire. Les nombres ont été écrits en toutes lettres, ainsi que le préconise Blanche-Benveniste (1997 : 34).

Les transcriptions suivent toutes le même format avec une présentation en deux colonnes :

• la colonne de droite, réservée à la numérotation ;
• la colonne de gauche présentant la transcription elle-même utilise les procédés des textes de théâtre : retour à la marge pour chaque locuteur, avec mention de son nom. Afin de rester conforme à la désignation de chacun des participants sur les sites, les transcriptions ne font apparaître ni les néologismes ni les initiales des rôles des participants, mais « guichetiers », « attachés de clientèle », etc. en fonction des informations fournies sur place par les responsables des sites.

J’ai adopté le système de transcription de l’oral de Jefferson ⁵³ (Sacks, Schegloff & Jefferson, 1974 : 731-734) repris et adapté par Traverso (1996 : 25-27, et 1997b : 1-11). De nombreux chercheurs utilisent ce système de transcription car il présente un certain nombre d’avantages. Il semble inutile d’énumérer les qualités offertes par ce système dans la mesure où de nombreux auteurs s’en sont déjà chargés. Citons simplement ces quelques mots :

‘This system is particularly sensitive to the sequential order of turns, to gaps, pauses and overlaps, and to properties of turn delivery such as emphasis, prolonged vowels, and stretches of louder, softer, faster or slower talk relative to the surrounding talk (Baker, Emmison & Firth, cités par McHoul & Rapley, 2001: xiii).’

Conventions de transcription

Dans un souci de « fidélité à la chose parlée », j’ai choisi de rendre compte des liaisons, qu’elles soient réelles ou inventées, comme dans l’exemple ci-dessous.

Corpus tabac-presse : interaction n°40

Restait à résoudre le problème des « e » muets. À la suite de Leroy, il semble utile de rappeler que

‘toute prononciation d’un « e » final est à considérer comme a-normale et par conséquent nous la marquerons par un trait soulignant le « e » en question ; dans le cas contraire c’est-à-dire lorsque le « e » n’a pas été prononcé, ce qui est le cas le plus fréquent, nous nous en tiendrons à la graphie traditionnelle (1985 : 13).’

L’adoption de ce système de notation semble faciliter la lecture des transcriptions. Certains transcripteurs utilisent l’apostrophe – que je réserve pour signaler l’élision d’un ou de plusieurs son(s) à l’intérieur d’un même mot – pour remplacer le « e » final non prononcé. Ce choix n’est pas sans soulever le problème de norme à l’intérieur et en final de mots qui est loin d’être résolu. En effet, noter « au r’voir » présuppose un élément non marqué à la fois dans la situation et dans la région : il implique l’usage du français standard et non du français méridional. D’autres systèmes pourraient transcrire le même mot par « au revoir » ou encore « au revoir ». Les règles de prononciation sont si complexes en raison du présupposé de l’existence d’une forme marquée et d’une forme non marquée qu’elles contraignent l’analyste à faire un choix. Ainsi, je noterai

• « comme » lorsque le « e » final reste muet et n’est pas prononcé ; et
• « comme » lorsque le « e » normalement non prononcé le sera.

Cette notation évitera de rencontrer des choses telles que : « j’ » pour « je » ou « madam’ » pour « madame », et rendra la lecture des transcriptions plus aisée.

À partir du moment où les transcriptions ont commencé à être mises sur papier, le problème de l’objectivité du transcripteur a surgi. Il semble évident qu’il n’y a pas d’objectivité possible de la part du transcripteur, principalement du fait que la personnalité du transcripteur marque inéluctablement la transcription. D’aucuns se demanderont de quelle manière. Il est en réalité beaucoup plus difficile qu’on ne peut l’imaginer de transcrire des enregistrements de sa propre langue. S’il est aisé d’écouter parler les gens dans la vie quotidienne, cela devient un exercice complexe dès lors qu’on se place dans le cadre de l’activité systématique d’observation. Blanche-Benveniste et Jeanjean rapportent que

‘la difficulté de l’entreprise se révèle de façon spectaculaire lorsqu’on demande à plusieurs transcripteurs d’écouter un même enregistrement ; on s’aperçoit que leurs écoutes peuvent diverger de façon considérable (1987 : 93).’

Il se peut que certaines des difficultés d’écoute viennent de l’instrument d’observation, c’est-à-dire de l’enregistrement lui-même ; mais la plupart trouvent leur origine dans le fait que ce ne sont pas les mêmes données qui parviennent à nos oreilles. Mertens explique ce phénomène dans une lettre personnelle écrite en 1984.

‘La plupart des enregistrements sont monophoniques, c’est-à-dire qu’ils sont faits avec un seul micro, alors qu’on a deux oreilles, ce qui explique qu’on soit capable de dire de quel côté se situe le locuteur, d’où vient le son (cité par Blanche-Benveniste et Jeanjean, 1987 : 94).’

La conséquence principale est que

‘l’information quant à la direction d’où vient le son est analysée par le cerveau. On est capable de « fixer » l’attention sur des sons qui viennent d’un côté et de ne pas écouter ou de ne pas entendre ceux qui viennent d’ailleurs. Toute cette information est perdue dans l’enregistrement monophonique. Il en reste très peu dans l’enregistrement stéréo (ibid.).’

C’est donc la perte de cette hiérarchisation des sons qui rend le travail du transcripteur si ardu. Dans les interactions des corpus faisant l’objet de transcriptions, il y a quantité de bruits que les participants n’ont pas ou peu entendu dans la situation réelle, et qu’on entend très fort à l’écoute de l’enregistrement puisque tout est sur le même plan. C’est principalement le cas des bruits de pièces de monnaie dans les séquences de paiement, ou des bruits des imprimantes. C’est en grande partie à ce genre de bruits que l’on doit les passages inaudibles.

La transcription s’est avérée longue et délicate car j’avais tendance à être victime de certains phénomènes de reconstruction. Étant donné que je souhaitais utiliser les transcriptions pour illustrer certains passage de l’analyse, il me fallait être aussi fidèle que possible aux bandes sonores, et donc aussi objective que possible. Labrie, cité par Blanche-Benveniste et Jeanjean (1987 : 101), recommande d’avoir recours à plusieurs transcripteurs afin de minimiser les erreurs d’interprétation. Il ne nous a pas été possible de faire appel à d’autres transcripteurs, mais les transcriptions ont été vérifiées à plusieurs reprises. Certaines ont d’ailleurs été retouchées, remaniées ou parfaites, voire corrigées au fil des écoutes.

De manière à limiter l’influence que peut avoir la perception du transcripteur sur la transcription, Leroy fait la recommandation suivante :

‘Il est bien évidemment souhaitable que l’utilisateur du document [la transcription écrite] soit celui qui a procédé à la transcription et même également celui qui a procédé à l’enregistrement (1985 : 8).’

C’est bien sûr le cas des interactions figurant dans les corpus puisqu’elles ont été enregistrées et transcrites par moi-même. Aussi rassurant que cela puisse être quant à l’objectivité dont j’ai pu faire preuve dans l’établissement de ces transcriptions, il convient tout de même d’attirer l’attention sur les problèmes de subjectivité rencontrés : les « hallucinations auditives » (Stubbs, cité par Blanche-Benveniste et Jeanjean, 1987 : 6) et les phénomènes de reconstruction. Il est en effet très difficile de coller à la bande audio sans être tenté d’entendre des mots, des morphèmes ou des phonèmes qui ne sont pas là, ou au contraire d’en oublier. Les problèmes rencontrés lors de la transcription sont les suivants :

1 – La fréquence des « euh » et des « ben ».

Les « euh » et les « ben » ne sont pas faciles à entendre car personne ne prête vraiment attention à eux dans la conversation courante. Le repérage de toutes les occurrences a donc nécessité un gros effort d’attention, surtout lorsqu’il y en a plusieurs dans un même tour de parole ⁵⁵ .

Corpus Crédit Agricole : interaction n°20

2 – La présence éventuelle du morphème de négation « ne ».

Le contexte immédiat de la place syntaxique à laquelle on attendrait le morphème de négation « ne » ne permet pas toujours d’affirmer sa présence ou son absence. Une grande vigilance s’est imposée car j’ai souvent été tentée d’inclure le morphème « ne » à la transcription pour compléter la négation alors que rien ne permettait d’établir clairement son occurrence.

Corpus mairie : interaction n°20

La fréquence de l’absence du morphème « ne » tend à prouver, qu’au moins à l’oral, le morphème de négation n’est plus « ne » car il est totalement facultatif.

3 – La difficulté à transcrire avec le système orthographique un phonème prononcé de manière isolée.

C’est le plus souvent sur les hésitations que l’on rencontre ce genre de phénomènes. Le locuteur commence à prononcer un mot puis un autre lui vient à l’esprit. Il s’arrête alors brutalement. Le phonème prononcé n’est pas toujours aisé à transcrire, comme dans l’exemple suivant où j’ai longtemps hésité entre C, K ou QU.

Corpus Mairie : interaction n°26

4 – Les mots inachevés.

Certains mots inachevés par le locuteur sont délicats à transcrire à cause du système orthographique. Dans l’extrait suivant, par exemple, je percevais à l’oral que le [u] de « vous » était abrégé, mais je ne savais pas de quelle manière rendre compte de ce phénomène autrement qu’en supprimant le « s » de « vous ».

Corpus Mairie : interaction n°27

5 – La prononciation de « il » difficile à classer comme ayant été prononcé « i » ou « il ». Parfois, le cotexte immédiat du « il » ne permet pas de dire s’il a été prononcé « i » ou « il ».

Corpus mairie : interaction n°27

Les tours de parole ont été numérotés par commodité, mais il subsiste un problème au niveau de l’alternance des prises de parole ⁵⁶ . Tout dilogue se construit autour d’un système d’alternance de la parole (turn-taking), chacun des interlocuteurs prenant la parole à son tour (Sacks, Schegloff & Jefferson, 1978 ⁵⁷ ) afin d’éviter les chevauchements : « not more than one party should speak at a time » (Sacks, 1995 : 633, Lecture 2, Fall 1967). Il pourrait donc sembler aisé de compter et numéroter les tours de parole. Cette tâche est néanmoins compliquée par le fait qu’aux propos continus du locuteur peuvent se superposer « des interventions mais non des interruptions ou des prises de paroles réelles » (Cosnier, 1988 : 176). Citons un exemple :

Corpus librairie-papeterie-presse : interaction n° 3

Dans cet extrait, de (13) à (19), la cliagère poursuit un seul et même tour de parole ponctué plus qu’interrompu par les interventions de la commagente, interventions qui prennent ici la forme de régulateurs ⁵⁸ . Les régulateurs regroupent des activités – verbale, vocale ou mimo-gestuelle – qui permettent aux allocutaires d’appuyer la production du tour de parole du locuteur. Même si la distinction entre tour de parole et régulateur n’est pas toujours aisée, Charaudeau et Manigueneau (2002 : 496) proposent quelques critères de reconnaissance pour faciliter l’identification du régulateur : sa brièveté, sa localisation fréquente en chevauchement sur le tour du locuteur, et le fait qu’il soit souvent faiblement articulé et produit avec une intensité vocale réduite.

Seuls les régulateurs vocaux sont pris en compte dans l’extrait proposé ci-dessus. Ces productions vocales de la commagente peuvent soit manifester son accord avec les propos de la cliagère, soit, ce qui semble être davantage le cas de l’exemple cité, marquer sa participation active (par opposition à l’écoute passive), son implication dans l’échange communicatif. Cette remarque conduit à définir le tour de parole comme

‘un ensemble textuel cohérent situé entre des ensembles analogues proférés par le partenaire, et en dépit d’éventuelles interactions sonores ou gestuelles qui ne rompent pas le développement en cours (même s’ils l’infléchissent), (Cosnier, 1989 : 240).’

Toutefois, dans cette étude, on entendra par « tour de parole » le laps de temps durant lequel un des participants reste locuteur, c’est-à-dire jusqu’à ce qu’un autre participant parle à sa place, qu’il y soit ou non autorisé. Ceci implique que l’on admet que les régulateurs tels que « oui », « ben oui » et « hm » sont des tours de parole.

On peut faire la même remarque à propos du problème déjà évoqué en rapport avec les interactions et le problème de découpage qu’elles posent. C’est le problème de découpage qui est lié aux situations mettant en présence un ensemble hétérogène de personnes. C’est le cas dans les magasins, où le commagent peut servir un nouveau cliager avant d’en avoir terminé avec le précédent. Souvent donc, les interactions sont enchâssées les unes dans les autres et il n’a pas toujours été facile de dégager un début et une fin à chaque interaction. De plus, les cliagers qui achètent de la presse dans les corpus librairie-papeterie-presse et tabac-presse passent souvent plusieurs minutes dans le magasin avant que l’échange communicatif ne débute réellement. On ne retrouve pas cette caractéristique dans les autres corpus, les cliagers n’ayant rien à choisir. Que ce soit au Crédit Agricole, à La Poste ou à la mairie, tout ce que les cliagers ont à faire, c’est attendre patiemment leur tour en faisant la queue.

Malgré ces difficultés, le résultat obtenu est basé sur le critère suivant : ont été considérés comme interactions à part entière les passages qui débutent par une mise en relation verbale ou non-verbale des participants et qui se terminent lors de la fin de cet échange verbal ou non-verbal. Dans le corpus tabac-presse, le découpage des interactions a été facilité par la présence de la sonnette qui retentit à chaque entrée d’un cliager. Le découpage des interactions est basé sur une répartition en séquences (Sacks, 1973) ; les interactions de commerce et de service, comme nombre d’autres interactions, se subdivisant en trois séquences principales : une ouverture, un corps, et une clôture (Kerbrat-Orecchioni, 1990 : 220).

Cette étude de corpus s’appuie essentiellement sur la bande d’enregistrements sonores car il n’a malheureusement pas été possible de faire des enregistrements vidéo – excepté à la librairie-papeterie-presse. Ces bandes sonores sont accompagnées pour des raisons de commodité d’une transcription écrite qui, bien qu’ayant été réalisée avec le plus grand souci d’exactitude, reste encore très imparfaite. En effet, comme le font remarquer Cosnier, Gaulmyn & Kerbrat-Orecchioni (1987 : 357), quel que soit le système de notation choisi, il est impossible de tout noter car on risquerait de n’en jamais finir avec la description. Par ailleurs, il ne faut pas négliger le fait que dès la transcription des données, l’analyse est déjà partiellement orientée. La transcription ne reflète jamais parfaitement ce qui s’est passé en réalité : c’est déjà une construction, construction opérée par le transcripteur et/ou l’analyste.

Les conversations authentiques sont des productions orales et divergent donc quelque peu des productions écrites, principalement au niveau de leur organisation syntaxique et sémantique. Mais plus caractéristique encore est la quantité de ce qui est traditionnellement considéré comme des « scories » mais dont les interactionnistes ont souligné le caractère fonctionnel de bon nombre d’entre elles (Kerbrat-Orecchioni, 1990 : 41), c’est-à-dire les ratés d’élocution, les inachèvements, les rectifications et reformulations, les hésitations et reprises en écho. Toutes ces scories s’avèrent particulièrement difficiles à retranscrire. En outre, plus le nombre de participants augmente, et plus l’établissement de la transcription se complique, principalement à cause des chevauchements de parole.