Nous présentons ici un système de repérage automatique de l'antonomase du nom propre dans des textes étiquetés. On compare tout d'abord, en décrivant les rouages du système et les méthodes et outils utilisés, les repérages manuels et automatiques, pour constater que la machine l'emporte sur le plan de la fiabilité.Après avoir indiqué en quoi les possibilités et les limites du repérage automatique influent sur le travail linguistique, on met ce travail déjà ancien (2000) en perspective avec de nouveaux outils mis à la disposition des linguistes, en particulier la possibilité de lancer une requête sur le sous-ensemble de textes catégorisés de la base Frantext.

Cet article s'inscrit dans le cadre d'un projet collectif de recherche linguistique sur le mot et sa glose. Comme les définitions, les gloses recueillent 'l'expérience parlée du sens'. Cette activité métalinguistique se manifeste dans les textes par des mots tels que c'est-à-dire, ou, signifier qui signent la relation de sémantique lexicale mise en jeu : équivalence avec c'est-à-dire, ou ; spécification du sens avec au sens ; équivalence avec ou, c'est-à-dire ; nomination avec dit, baptisé ; hyponymie avec en particulier, comme ; hyperonymie avec et/ou autre(s), etc.Grâce à l'existence de ces marques et des particularités de leurs configurations, un repérage automatique des gloses est envisageable. J'en décris ici la mise en ouvre, en prenant l'exemple des gloses en ou telles que 'un magazine électronique, ou webzine' et d'un environnement informatique 'pour linguistes', à savoir la base textuelle Frantext et son interpréteur de langage de requête Stella.

Deux approches de la constitution de corpus de textes médiévaux se dessinent depuis une dizaine d'années déjà : 1. numérisation d'éditions critiques modernes ; 2. création de transcriptions diplomatiques précises de manuscrits, éventuellement accompagnées des images des originaux. Ces approches sont en réalité plutôt complémentaires qu'opposées, car elles permettent aux chercheurs de faire le choix entre la quantité (représentativité) et la qualité (sûreté et richesse) des données en fonction de la recherche effectuée. Pour les deux types de corpus nous analysons les enjeux de l'utilisation d'une représentation normalisée du texte et de son 'ancrage' signalétique (norme XML et conventions de représentation TEI). Les problèmes méthodologiques qui se posent lors de la création et de l'exploitation des corpus de textes anciens, et leurs solutions sont aussi valables pour d'autres types de corpus linguistiques.