Comment le dictionnaire est écrit

Les entrées de sa9si sont rédigées par des modèles de langue, sans relecture humaine. Cette page explique ce qui est vérifié avant qu'un mot soit publié, ce qui ne l'est pas, et pourquoi certains mots manquent.

D'où viennent les mots

Aucun mot n'est inventé. Chaque entrée part d'un mot attesté dans une source publique. Pour la darija marocaine, la liste vient du lexique de DODa, le Darija Open Dataset, qui donne aussi les conjugaisons, les formes au féminin et au pluriel, et des phrases réelles traduites. Pour la darja algérienne, qui n'a pas d'équivalent ouvert, les mots sont choisis par leur fréquence dans un corpus de textes algériens, complétée par les catégories du Wiktionnaire et par une liste de mots publiée sur Hugging Face dont seuls les mots eux-mêmes sont utilisés. Les sources de chaque entrée sont nommées en bas de sa page et décrites sur la page sources et licences.

Trois modèles, deux avis indépendants

Un premier modèle, Claude Opus, rédige l'entrée complète : nature du mot, sens en français, note d'usage et exemple. Un second modèle, Claude Sonnet, reçoit le même mot sans voir ce premier travail et dit seulement si c'est un mot courant du dialecte et ce qu'il signifie. Un troisième, Claude Haiku, compare les deux avis. Le mot n'est publié que si les deux rédacteurs le reconnaissent comme un mot ordinaire du dialecte et si l'arbitre juge que leurs sens concordent. Au moindre désaccord, le mot est écarté plutôt que corrigé à la main.

Sont aussi écartés les noms propres, les mots que l'un des modèles attribue à une autre langue ou à un autre dialecte, les mots grossiers et les entrées dont la note d'usage est trop courte pour apprendre quoi que ce soit. C'est pourquoi des mots courants peuvent manquer : leur absence veut dire que la vérification n'a pas abouti, pas que le mot n'existe pas.

Les exemples

Quand DODa contient une phrase réelle qui illustre le premier sens, c'est elle qui est citée, avec une traduction française écrite par le modèle. Sinon, le modèle rédige une phrase courte. Dans les deux cas l'arbitre vérifie que la phrase contient bien le mot, l'emploie dans un des sens donnés, et que la traduction est fidèle. Un exemple refusé est retiré et l'entrée paraît sans exemple. Chaque exemple indique s'il est réel ou rédigé.

Les orthographes

Les graphies en lettres latines proposées par les modèles et par les sources ne sont gardées que si le clavier arabe du site les rattache bien au mot en écriture arabe. Ce contrôle écarte les mots français ou anglais glissés par erreur dans une liste, et les graphies d'un autre mot. Les conjugaisons et les formes du pluriel reproduisent celles de DODa, dans sa graphie, qui omet souvent les voyelles brèves.

Le clavier

Le clavier a été mesuré sur des paires réelles de mots écrits en lettres latines et en arabe, tirées de DODa pour le marocain et de la liste algérienne pour l'algérien, sans lui donner les réponses. Pour un mot marocain, la bonne écriture arabe arrive en première proposition dans 46 % des cas et parmi les cinq premières dans 64 % ; pour un mot algérien, 47 % et 72 %. C'est pour cela que le clavier affiche ses autres propositions : l'arabizi n'a pas d'orthographe fixe et un même mot latin peut correspondre à plusieurs mots arabes.

Ce qu'il faut en retenir

Le dictionnaire compte aujourd'hui 15 mots marocains et 98 mots algériens, et grandit à mesure que d'autres mots passent la vérification. La double rédaction réduit les erreurs sans les supprimer. Un locuteur reste la meilleure référence, en particulier pour les sens figurés, les registres et les variations régionales à l'intérieur d'un même pays.