La mention par Gilles du corpus français de l'université de Leipzig, dont j'ignorais l'existence, me fait poser cette question : quels sont les corpus (corpora ?) français accessibles en ligne, qui couvrent soit le français moderne (disons, sources des 15 dernières années), soit le français historique ?
Et, question bonnus, existe-t-il des corpus « grammaticalement étiquetés », comme on peut en trouver en anglais et en allemand.
Les corpus ESLO (Enquête socio-linguistique orléanaise) 1 et 2, aussi connu sous le nom de corpus d'Orléans est le plus grand corpus de français oral. Il est transcrit et partiellement étiqueté. La version 1 date des années 60, la version 2 des environs de 2010.
En ce qui concerne les travaux sur les parties du discours le French Treebank de l'équipe d'Anne Abeillé est la référence.
Le corpus Frantext de l'Atilf est un corpus de français écrit de référence.
Le corpus Scientext est son équivalent pour les langages spécialisés, il est également disponible en anglais.
