Documentation

WiKiLeXiK — Guide de lecture

Ce guide explique ce que contient WiKiLeXiK et comment le lire. La couche lexicale, LeXiK, a son propre guide (documentation de LeXiK) ; on n'en rappelle ici que ce qu'il faut pour lire une page.

1. Qu'est-ce que WiKiLeXiK

1.1 En bref

WiKiLeXiK est un dictionnaire du français qui part du mot tel qu'on l'écrit. On y entre par une graphie (porte, mangeons, Hugo) et l'on trouve, réunis sur une même page, trois types de savoir qui vivent d'ordinaire dans trois ouvrages différents :

ce que le mot est : sa catégorie grammaticale, son lemme, ses formes fléchies, sa prononciation, sa fréquence — c'est la couche lexicale ;
ce que le mot veut dire : ses définitions, ses exemples, ses synonymes, son étymologie, ses traductions — c'est la couche sémantique ;
ce que le mot désigne dans le monde : les personnes, lieux, œuvres ou organisations qui portent ce nom, avec leurs dates, leurs propriétés et le début de leur article d'encyclopédie — c'est la couche encyclopédique.

Aucune de ces trois couches n'a été écrite pour ce site. Chacune vient d'une ressource existante, choisie parce qu'elle est libre et vaste ; le travail de WiKiLeXiK est de les rattacher les unes aux autres par le mot, et de les présenter de façon qu'on passe de l'une à l'autre sans changer de page.

1.2 Les trois couches

couche	source	unité	ce qu'elle apporte	effectifs	licence
lexicale	LeXiK (projet Lectura)	la forme et le lemme	formes fléchies, analyses grammaticales, prononciation syllabée, alignement lettres–sons, orthocode, fréquences, propriétés des lemmes	839 262 lemmes, 2 580 286 formes	CC BY-SA 4.0
sémantique	Wiktionnaire, lu par l'extraction Kaikki	le lexème (une section d'article)	définitions, exemples, étymologie, relations (synonymes, antonymes, hyperonymes…), traductions, proverbes	542 645 lexèmes, 688 674 sens, 1 426 319 traductions	CC BY-SA 3.0
encyclopédique	Wikidata et Wikipédia	l'entité	type et description, propriétés (dates, lieux, occupation…), images, extrait d'article, notoriété, catégories	2 483 597 entités, 873 catégories	CC0 (Wikidata), CC BY-SA 4.0 (Wikipédia)

Des compléments viennent de deux réseaux lexicaux libres, JeuxDeMots (hyperonymes) et WOLF (synonymes), signalés par un exposant J ou W ; leur place est décrite en 4.7.

1.3 Comment les couches se rattachent

Le pivot est le lemme de LeXiK, identifié par sa graphie et sa catégorie (avocat#NOUN, porter#VERB). LeXiK est la référence : c'est lui qui dit quelles formes existent et à quel lemme chacune appartient ; les deux autres couches s'y accrochent.

Un lexème du Wiktionnaire est rattaché à un lemme quand l'article du Wiktionnaire porte la graphie du lemme et que la section a sa catégorie : l'article avocat a trois sections « nom commun » et une section « adjectif », ce qui donne trois lexèmes sous avocat#NOUN et un sous avocat#ADJ. Les flexions que le Wiktionnaire décrit à part (« avocats, pluriel de avocat ») ne deviennent pas des lexèmes : les formes sont l'affaire de LeXiK.
Une entité de Wikidata est reliée à un lemme par son libellé : Hugo est un lemme (nom propre), donc toute entité dont le nom est Hugo lui est reliée comme homonyme, et toute entité dont le nom contient le mot Hugo (Victor Hugo, Hugo Boss) lui est reliée comme composant. Les entités sont liées au lemme, pas à un sens : on ne sait pas, et on ne prétend pas savoir, que telle entité relève de tel lexème.

Ce choix a une conséquence visible : les sens viennent du Wiktionnaire et ne sont ni classés par fréquence ni reliés aux entités. Chaque couche garde ses forces et ses limites ; le site les juxtapose, il ne les fusionne pas.

1.4 Ce qui le distingue

Une page par graphie, et non par lemme. porte est à la fois un nom, un adjectif et une forme du verbe porter ; la page le dit d'emblée et laisse ouvertes toutes les lectures. Une forme qui n'est pas un lemme (mangeons) a aussi sa page.
Des sens distincts par lexème. Là où un dictionnaire numérote des acceptions, le Wiktionnaire sépare les mots qui n'ont en commun que leur orthographe : l'avocat du barreau et l'avocat du guacamole sont deux lexèmes, avec chacun son étymologie, ses synonymes et ses traductions.
Les noms propres au même titre que les noms communs : LeXiK prononce plus de 400 000 noms propres, et Wikidata dit qui ou quoi ils désignent.
Tout est réutilisable : les mêmes données s'obtiennent en JSON par l'API, la couche lexicale se télécharge entière, et chaque élément renvoie à sa source.

2. Prise en main

2.1 Chercher un mot

Le champ de l'en-tête cherche un mot exact et ouvre directement sa page. La casse n'a pas d'importance : « Avocat », « AVOCAT » et « avocat » mènent à avocat, la graphie la plus fréquente ; quand plusieurs graphies existent, la fiche signale les autres (« Pierre » sur pierre). Une graphie fautive que LeXiK connaît est corrigée (« elephant » mène à éléphant) ; quand rien ne correspond, la page de résultats propose les mots les plus proches (« Vouliez-vous dire… ») et les entités dont le nom contient le texte tapé.

La page d'accueil ajoute un sélecteur de mode :

mot : la recherche exacte, comme dans l'en-tête ;
commence par, contient, finit par : toutes les formes dont la graphie correspond, classées par fréquence, avec leur catégorie et leur prononciation ; la page de résultats liste aussi les locutions et expressions qui contiennent le mot entier ;
rimes avec : la page des rimes du mot ;
synonymes de : la page des synonymes du mot.

2.2 Lire la page d'un mot

L'en-tête résume ce que la graphie est :

lemme(s) : chaque lemme qui s'écrit ainsi, avec sa catégorie, son genre, sa fréquence (toutes formes confondues) et, le cas échéant, la mention niveau étendu (3.4). Les homonymes d'une même catégorie sont numérotés (tour, nom masculin et nom féminin). La ligne « aussi forme de » donne les lemmes dont cette graphie est une forme fléchie ;
forme : la prononciation de la graphie, son orthocode, les liens vers ses synonymes, ses rimes et sa conjugaison, sa fréquence (toutes analyses confondues) et ses autres graphies.

Le reste de la page est en trois onglets, un par couche :

Formes — la graphie vue comme forme : une ligne par analyse grammaticale (lemme, catégorie, traits, prononciation, fréquence), puis ses homophones. C'est la couche lexicale (§3).
Lemmes — un bloc par lemme, avec ses propriétés, ses formes fléchies repliées, ses lexèmes du Wiktionnaire (définitions, exemples, relations, traductions) et les relations d'autres sources. C'est la couche sémantique (§4). Après les lemmes de la graphie viennent, sous le titre « Lemmes dont « x » est une forme », ceux dont elle n'est qu'une forme fléchie.
Entités — les entités Wikidata liées au mot, à filtrer par type et à trier. C'est la couche encyclopédique (§5).

Un exemple pour se repérer : avocat. L'en-tête annonce un nom masculin et un adjectif ; l'onglet Formes donne deux analyses et la prononciation a.vo.ka ; l'onglet Lemmes montre, sous le nom, trois lexèmes (le juriste, le fruit, la couleur) ; l'onglet Entités liste les entités dont le nom contient avocat.

3. La couche lexicale : LeXiK

LeXiK est la base lexicale du projet Lectura. Son guide d'utilisation décrit en détail ses conventions ; on résume ici ce qu'il faut savoir pour lire le site.

3.1 Formes et lemmes

Une forme est un mot tel qu'il s'écrit dans un texte (mangeons, petites, chevaux) ; son lemme est la forme sous laquelle on le cherche dans un dictionnaire (manger, petit, cheval). Une même graphie peut être la forme de plusieurs lemmes : porte est une forme du nom porte, de l'adjectif porte et du verbe porter. Chaque lecture est une analyse : un lemme, une catégorie et des traits (genre, nombre, personne, mode, temps…). Les catégories suivent les Universal Dependencies : nom commun, nom propre, adjectif, verbe, auxiliaire, adverbe, préposition, déterminant, pronom, conjonction, interjection, numéral, particule, symbole ; les traits sont donnés en clair, le survol affiche le code MULTEXT correspondant.

Un lemme a des propriétés, affichées en tête de son bloc : épicène, invariable, féminin ou masculin correspondant, pluriel irrégulier, nombre fixe ; pour un verbe, groupe, auxiliaire, transitivité, emploi pronominal ; pour un nom propre, son type (prénom, nom de famille, commune…). Les verbes pronominaux sont des lemmes à part entière (se passer), conjugués sur les formes du verbe simple avec les pronoms réfléchis ; la page du verbe simple les montre aussi.

3.2 Prononciation et orthocode

Les prononciations sont en alphabet phonétique international, avec ces conventions : un point sépare les syllabes (a.vo.ka) ; une consonne entre crochets est une consonne de liaison, prononcée seulement devant voyelle (pə.ti[t]) ; le signe ‿ marque, dans une locution, une syllabe à cheval sur deux mots ; des accolades {a|b} donnent deux prononciations en concurrence ; un son entre parenthèses est facultatif ((ə)). Quand les analyses d'une graphie se prononcent différemment (fils : /fis/ ou /fil/), l'onglet Formes donne chacune.

L'orthocode est la graphie découpée en syllabes écrites selon la méthode de lecture Lectura : lettres muettes marquées d'un °, lettre seule valant deux sons marquée d'un ², comme le x de ax²e°. Chaque syllabe écrite correspond à une syllabe prononcée.

3.3 Fréquences

Toutes les fréquences sont des nombres d'occurrences par million de mots dans un corpus de sous-titres de films et de séries (OpenSubtitles), proche de la langue parlée. Trois mesures se distinguent : la fréquence de la forme (la graphie, toutes analyses confondues) ; la fréquence d'une analyse (onglet Formes), qui est la fréquence de la forme multipliée par la part de cette analyse dans les corpus étiquetés, et reste vide quand l'analyse n'y apparaît jamais ; la fréquence du lemme, somme de celles de toutes ses formes. Le survol de la fréquence d'un lemme donne aussi son indice zipf (logarithme de la fréquence, de 1 pour un mot très rare à 7 pour un mot grammatical).

3.4 Niveau et confiance

LeXiK distingue un noyau (entrées attestées par au moins deux familles de sources indépendantes, ou par au moins trois occurrences dans les corpus) et un niveau étendu (entrées attestées par une seule source, souvent le Wiktionnaire seul : mots rares, régionaux, dérivés). Un lemme du niveau étendu porte cette mention dans l'en-tête. Chaque prononciation a par ailleurs un code de confiance (A : plusieurs sources concordantes ; B : une source confirmée ; C : une seule source ; N : non alignable sur l'orthographe mais confirmée ; G : produite par le convertisseur graphème-phonème de Lectura ; S : composée à partir des segments ; E : sigle épelé ; R : révisée à la main), rappelé au bas de l'onglet Formes.

Les formes spéciales de LeXiK (nombres, symboles, sigles, unités : 19, %) n'ont pas de lemme ; leur page se limite aux analyses, avec leur développement. Les formes que LeXiK n'a pas pu classer n'ont pas de page.

Base LeXiK utilisée : Dérivé de la base 2.1 du 2026-10-15T11:58 le 2026-10-15T12:09 (spec/07_format_v3.md).

4. La couche sémantique : le Wiktionnaire

4.1 Le lexème

L'unité de sens de WiKiLeXiK est le lexème : une section de l'article du Wiktionnaire, c'est-à-dire un mot d'une catégorie donnée, avec tous les sens que le Wiktionnaire lui reconnaît. Quand le Wiktionnaire estime que deux mots n'ont en commun que leur orthographe, il ouvre deux sections (« Nom commun 1 », « Nom commun 2 ») ; ce sont deux lexèmes, chacun avec son étymologie. avocat en a ainsi quatre : trois noms (le juriste, du latin advocatus ; le fruit, de l'anglais avocado ; la couleur) et un adjectif.

Un lexème est présenté dans l'ordre de l'article : son titre, ses étiquettes générales (genre, désuet, familier, invariable…), son étymologie quand le Wiktionnaire en donne une (deux lexèmes sur trois en ont une), puis ses définitions, relations, traductions et proverbes. Chaque lexème renvoie à l'article d'origine. Il y en a 542 645, rattachés aux lemmes de LeXiK (1.3).

4.2 Les sens

Chaque définition est un sens, numéroté dans l'ordre de l'article ; un sous-sens est imbriqué sous la définition qu'il précise. En tête d'un sens viennent ses étiquettes : le domaine (botanique, droit, colorimétrie…), le registre (familier, vulgaire, littéraire), l'usage (vieilli, désuet, par extension, par métonymie, figuré) et l'aire (Québec, Belgique, Suisse…). Les étiquettes sont celles du Wiktionnaire, traduites quand l'extraction les donne en anglais. Le fruit s'appelle ainsi « (Botanique) Fruit de l'avocatier : baie ressemblant à une poire à la peau verte… » ; la couleur, « (Colorimétrie) Couleur vert sombre soutenu tirant sur le jaune ».

Les sens ne sont pas classés par fréquence : les corpus comptent les formes, pas les sens, et le site ne devine pas lequel est le plus courant. L'ordre est celui des contributeurs du Wiktionnaire, qui mettent en général le sens premier en tête. Il y a 688 674 sens ; la moitié ont au moins un exemple.

4.3 Les exemples

Un exemple est une phrase attestée, le plus souvent citée d'un livre, d'un journal ou d'un site, avec sa référence (auteur, titre, date). Les trois premiers exemples d'un sens sont affichés, les autres repliés. Les exemples en langue étrangère ou en ancien français sont accompagnés de leur traduction quand le Wiktionnaire la donne.

4.4 Les relations

Le Wiktionnaire relie les mots entre eux par des listes placées sous chaque section ; WiKiLeXiK les reprend par lexème, avec leur type :

relation	ce qu'elle dit	exemple
synonyme, antonyme	même sens, sens contraire	avocat → défenseur ; grand → petit
hyperonyme, hyponyme	le terme plus général, le terme plus particulier	avocat → juriste ; fruit → avocat
holonyme, méronyme	le tout, la partie	roue → voiture ; voiture → roue
dérivé, apparenté	mot formé sur celui-ci, mot de la même famille	avocat → avocaillon, avocasser
paronyme	mot qui lui ressemble et qu'on confond	conjecture → conjoncture
abréviation, troponyme	forme abrégée ; manière particulière de faire	professeur → prof ; marcher → trottiner

Quand le mot cible est un lemme de LeXiK, il est cliquable ; la catégorie est devinée d'après celle du lexème de départ (un synonyme de nom est cherché parmi les noms). Les dérivés et apparentés sont les relations les plus nombreuses ; les synonymes viennent ensuite. Le Wiktionnaire ne relie pas les sens entre eux : une relation vaut pour le lexème entier, même si elle ne concerne qu'un de ses sens (le survol d'une cible indique parfois le sens visé).

4.5 Les traductions

Le Wiktionnaire traduit chaque lexème dans des dizaines de langues, en précisant quand il le peut le sens visé : avocat (le fruit) donne avocado en anglais, Avocado en allemand, ahuakate en basque, chaque fois pour « Fruit de l'avocatier ». WiKiLeXiK affiche d'abord une quinzaine de langues principales (de l'anglais à l'espéranto), les autres repliées ; le sens visé apparaît au survol ; les écritures non latines sont accompagnées de leur romanisation. L'ensemble compte 1 426 319 traductions dans plus de 2 700 langues et dialectes.

4.6 Proverbes et expressions

Les proverbes, expressions et locutions que le Wiktionnaire rattache à un mot sont listés sous son lexème, avec leur sens quand il est donné. Les locutions qui sont elles-mêmes des entrées de LeXiK (pomme de discorde) ont leur propre page, que la recherche « contient » retrouve.

4.7 Les relations d'autres sources

Deux réseaux lexicaux complètent le Wiktionnaire, repliés au bas du bloc du lemme sous le titre « Relations d'autres sources » : JeuxDeMots (exposant J ; plus d'un million d'hyperonymes, collectés par un jeu en ligne du LIRMM) et WOLF (exposant W ; synonymes, traduction française de WordNet). Elles sont rattachées au lemme entier, sans distinguer les lexèmes, contrairement à celles du Wiktionnaire ; c'est pourquoi elles sont présentées à part.

4.8 D'où viennent ces données

Le Wiktionnaire est lu à travers Kaikki, une extraction structurée des articles (une ligne JSON par section) tenue à jour par le projet wiktextract. WiKiLeXiK n'en garde que les sections rattachables à un lemme de LeXiK ; l'extraction est rejouée à chaque nouvelle version de LeXiK. Une correction faite sur le Wiktionnaire est donc reprise à l'extraction suivante, pas avant.

4.9 Synonymes et rimes

Chaque mot a deux pages dédiées, accessibles depuis la ligne « voir aussi » de son en-tête :

/synonymes/mot (maison) : les synonymes par lexème du Wiktionnaire, chaque bloc rappelant la première définition du lexème, puis ceux des autres sources (J, W), puis les antonymes ;
/rimes/mot (maison) : les graphies dont la prononciation finit comme celle du mot, classées par fréquence. Par défaut la rime porte sur la dernière syllabe ; les liens de la page permettent d'exiger deux ou trois syllabes. Une terminaison phonétique brute s'accepte aussi (/rimes/wa).

5. La couche encyclopédique : Wikidata

5.1 L'entité

Une entité est une chose du monde que Wikidata décrit : une personne (Victor Hugo), un lieu (Paris), une œuvre, une organisation, une espèce vivante, un événement, un astre… Chacune a un identifiant stable (Q535), un libellé en français, une courte description (« romancier, poète, dramaturge, dessinateur et politicien français ») et une nature, c'est-à-dire la classe à laquelle Wikidata la rattache (être humain, commune de France, film, taxon). WiKiLeXiK en reprend 2 483 597, celles qui ont un libellé français et un article de Wikipédia ou une notoriété suffisante ; les plus nombreuses sont les personnes, puis les lieux, les œuvres, les organisations, les espèces vivantes, les bâtiments, les concepts et les événements.

5.2 Le lien entre une entité et un mot

Une entité est reliée aux lemmes de LeXiK par son libellé, de deux façons :

homonyme : le libellé est exactement un lemme. Paris (la ville) est homonyme du lemme Paris ; avocat (la profession, l'entité Wikidata) est homonyme du nom avocat. Les homonymes viennent en tête de l'onglet Entités ;
composant : un mot significatif du libellé est un lemme. Victor Hugo est relié à Victor et à Hugo ; Tour Eiffel à tour et à Eiffel. Les mots-outils (de, la, von…) ne comptent pas ; quand un mot est à la fois nom propre et nom commun, le nom propre l'emporte.

Le lien est fait au lemme, jamais au sens : l'onglet Entités d'avocat mêle des cabinets d'avocats et des variétés d'avocatiers, et c'est au lecteur de trier, aidé par le filtre par type. Près de 3,7 millions de liens relient 1,9 million d'entités aux lemmes.

5.3 La page d'une entité

Elle donne, dans l'ordre : le type et la description Wikidata ; les autres noms (alias) ; une image de Wikimedia Commons ; le début de l'article de Wikipédia en français, quand il existe ; la nature ; les propriétés principales, choisies selon le type d'entité — dates et lieux de naissance et de décès, nationalité, occupation pour une personne ; pays, population, coordonnées, gentilé pour un lieu ; date de création, genre, auteur pour une œuvre ; nom scientifique pour une espèce ; formule pour une substance ; les catégories (§6) ; les mots du lexique auxquels elle est liée ; les liens vers Wikidata et Wikipédia. Les propriétés qui désignent une autre entité (lieu de naissance : Besançon) sont cliquables quand cette entité est dans la base.

5.4 Notoriété et popularité

Deux mesures classent les entités, dans l'onglet Entités comme dans les catégories :

la notoriété (mondiale) : un indice calculé à partir du nombre de versions linguistiques de Wikipédia qui ont un article sur l'entité et du nombre de liens qui pointent vers elle dans Wikidata. Victor Hugo a l'indice 265, un conseiller municipal en a 1 ou 2 ;
la popularité (fr) : le nombre moyen de pages vues par jour de l'article de Wikipédia en français, sur une année.

La notoriété mesure l'importance durable, la popularité l'intérêt du moment ; l'onglet Entités permet de trier par l'une ou l'autre, ou par ordre alphabétique, et de filtrer par type (personne, commune, film…).

5.5 Les extraits de Wikipédia

Pour un tiers des entités, la page reproduit le premier paragraphe de l'article de Wikipédia en français, sous sa licence (CC BY-SA 4.0), avec le lien vers l'article. Ces entités sont celles que les moteurs de recherche indexent ; les autres pages d'entités restent consultables mais ne sont pas déclarées dans le plan du site.

6. La catégorisation des entités

6.1 Pourquoi une catégorisation

Wikidata range chaque entité dans une classe (« être humain », « commune de France », « long métrage ») et relie ces classes entre elles par des milliers de liens de sous-classe. C'est précis mais inutilisable pour parcourir : il y a des dizaines de milliers de classes, et beaucoup ne disent rien à un lecteur. WiKiLeXiK projette ces classes sur un arbre de 873 catégories, construit par Lectura, assez petit pour être parcouru et assez fin pour distinguer un poète d'un dramaturge.

6.2 L'arbre

La page Catégories le présente en entier : seize branches au premier niveau (personnes, lieux, œuvres, constructions et édifices, êtres vivants, organisations, concepts abstraits, événements, astres et espace, véhicules, personnages fictifs, objets, substances, anatomie et santé, alimentation, anthroponymie), quatre niveaux de profondeur au plus. Une catégorie a le plus souvent un parent, parfois plusieurs : acteurs est sous personnes et sous cinéma, et apparaît sous chacun. La page d'une catégorie liste ses entités, sous-catégories comprises, avec les mêmes tris que l'onglet Entités ; son effectif compte donc aussi ses descendants.

6.3 Ce que Wikidata sait d'une entité

Wikidata décrit chaque entité par des propriétés, numérotées P, dont la valeur est le plus souvent une autre entité. Celles qui servent à la catégorisation et à la page d'entité sont les suivantes :

propriété	nom	ce qu'elle dit	exemple
`P31`	nature de l'élément (instance of)	la classe dont l'entité est un exemplaire ; c'est la propriété centrale, presque toutes les entités en ont une	Victor Hugo → être humain ; Paris → commune de France, capitale
`P279`	sous-classe de (subclass of)	relie une classe à une classe plus générale ; en suivant la chaîne on remonte jusqu'aux grandes classes	cathédrale → église → édifice religieux → bâtiment
`P106`	occupation	le ou les métiers d'une personne	Victor Hugo → poète, dramaturge, romancier, homme politique, illustrateur
`P171`	taxon parent	pour un être vivant, le taxon immédiatement supérieur	Quercus robur → Quercus → Fagaceae → … → plantes
`P17`, `P131`	pays, division administrative	où se trouve un lieu	Besançon → France, Doubs
`P569`, `P570`, `P19`, `P20`	dates et lieux de naissance et de décès	les repères biographiques d'une personne	Victor Hugo → 1802, Besançon ; 1885, Paris
`P571`, `P136`, `P50`	date de création, genre, auteur	les repères d'une œuvre	Les Misérables → 1862, roman, Victor Hugo
`P625`, `P1082`, `P1549`	coordonnées, population, gentilé	les repères d'un lieu	Besançon → 47° N 6° E, 118 000 habitants, Bisontins
`P18`, `P154`, `P41`	image, logo, drapeau	un fichier de Wikimedia Commons	Victor Hugo → portrait par Étienne Carjat

La page d'une entité affiche ces propriétés en clair, sous leur nom français ; la catégorisation s'appuie sur les quatre premières.

6.4 Comment une entité est rangée

Le principe est de rapporter chaque classe de Wikidata à une catégorie de l'arbre. Pour chaque entité, on lit sa nature (P31) et l'on remonte la chaîne de ses classes parentes (P279) jusqu'à rencontrer une classe qui a une catégorie ; pour une personne, chaque occupation (P106) donne aussi une catégorie (poètes, dramaturges, politiciens…), ce qui explique qu'une personne en ait souvent plusieurs ; pour un être vivant, on remonte la taxonomie (P171) jusqu'à un rang connu (plantes, oiseaux, insectes).

La table de correspondance entre classes de Wikidata et catégories a été établie à la main par Lectura : les classes rencontrées ont été réparties en lots et traitées par plusieurs agents en parallèle, chacun proposant pour ses classes la catégorie de l'arbre qui convenait, puis l'ensemble a été relu et harmonisé pour que les choix restent cohérents d'un lot à l'autre. Les classes rares, non traitées, héritent de la catégorie de leur classe parente. Une entité peut ainsi appartenir à plusieurs catégories ; 99 % des entités en ont au moins une.

6.5 Limites

La catégorisation hérite des erreurs de Wikidata (une occupation fantaisiste donne une catégorie fantaisiste) et de la grossièreté de la table de correspondance : des classes rares tombent dans une catégorie trop large, et certaines branches (concepts abstraits, objets) sont des fourre-tout. Elle est reprise telle quelle de la version précédente du site ; son amélioration est un chantier ouvert.

7. L'API

Les mêmes données sont accessibles en JSON par l'API Lectura, sous https://api.lectura.world/lexique/ ; la documentation interactive (OpenAPI) permet d'essayer chaque appel. Les réponses suivent la structure des pages : un mot donne ses lemmes, chacun avec ses formes et ses lexèmes, et les entités liées.

appel	réponse
`/lexique/mot/{graphie}`	lemmes de la graphie, chacun avec ses formes et ses lexèmes (sens, exemples, relations, traductions), et les entités liées ; paramètres `upos` (une catégorie), `entites` (nombre d'entités, 200 au plus). Exemple : /lexique/mot/avocat
`/lexique/formes/{graphie}`	formes fléchies de chaque lemme de la graphie, avec analyses, prononciation et fréquences ; paramètre `upos`
`/lexique/lexeme/{id_lexeme}`	un lexème avec ses sens, relations, traductions et proverbes. Exemple : /lexique/lexeme/avocat%23NOUN%C2%A72
`/lexique/sens/{id_sens}`	un sens et ses exemples
`/lexique/entite/{qid}`	une entité Wikidata avec ses propriétés, ses catégories et ses lemmes. Exemple : /lexique/entite/Q535
`/lexique/entites?q=…`	recherche plein texte d'entités ; paramètre `limite` (500 au plus). Exemple : /lexique/entites?q=victor+hugo
`/lexique/categories`	toutes les catégories, avec parent et effectif
`/lexique/categories/{id}/entites`	entités d'une catégorie ; paramètres `page`, `par_page` (500 au plus), `descendants` (sous-catégories comprises, vrai par défaut)
`/lexique/rechercher?motif=…`	recherche de formes (fonction de Lexicon) : `motif` à jokers (`chat`, `tion`, `ch?t`), `son`, `syllabes`, `upos`, `limite`. Exemple : /lexique/rechercher?motif=chat*
`/lexique/stats`	effectifs de la base et version de LeXiK

Les caractères # et § des identifiants doivent être encodés dans l'URL (%23, %C2%A7).

8. Les identifiants

lemme : lemme#UPOS (avocat#NOUN), un numéro pour les homonymes (tour#NOUN#2) ;
lexème : lemme#UPOS§rang (avocat#NOUN§2), rang de la section dans l'article du Wiktionnaire ;
sens : lemme#UPOS§rang.rang (avocat#NOUN§2.1) ;
entité : identifiant Wikidata (Q535) ; l'adresse de sa page y ajoute un libellé lisible, facultatif ;
catégorie : un numéro dans l'API, un libellé lisible dans l'adresse de sa page.

Les identifiants de lemme et de forme sont ceux de LeXiK, stables d'une version à l'autre ; les rangs de lexème et de sens peuvent changer quand l'article du Wiktionnaire est réorganisé.

9. Indexation, licences et réutilisation

Les pages de mots, d'entités, de catégories, de synonymes et de rimes sont indexables ; les quatre premières sont déclarées dans le plan du site, qui ne retient que les mots du noyau de LeXiK ou ayant un lexème, et les entités qui ont un extrait de Wikipédia. Les pages de formes pures (sans lemme), les résultats de recherche, les tris et les listes paginées ne sont pas indexés. Un fichier llms.txt décrit le site aux assistants.

Chaque couche garde sa licence : LeXiK est en CC BY-SA 4.0 et se télécharge en entier ; le Wiktionnaire est en CC BY-SA 3.0 ; Wikidata est en CC0 ; les extraits et images de Wikipédia et Commons ont chacun leur licence. Les données prises sur le site ou par l'API se réutilisent dans ces conditions, en citant « WiKiLeXiK — projet Lectura » et la source de chaque élément : voir Licences et sources.

10. Limites connues

Les sens ne sont pas classés par fréquence, et les entités ne sont pas rattachées à un sens (1.3).
Le Wiktionnaire est inégal : des mots courants ont dix définitions et des exemples choisis, des mots rares une ligne ; les étiquettes de domaine manquent souvent.
Les relations des autres sources (J, W) sont rattachées au lemme entier et contiennent du bruit, surtout les hyperonymes de JeuxDeMots.
La catégorisation des entités est grossière par endroits (6.5).
Les rangs de lexème et de sens changent quand un article du Wiktionnaire est réorganisé ; seuls les identifiants de LeXiK et de Wikidata sont stables (§8).

11. Signaler une erreur

Une définition, un exemple ou une traduction erronés se corrigent sur le Wiktionnaire lui-même (lien au bas de chaque lexème) ; la correction sera reprise à la prochaine extraction. Une propriété d'entité se corrige sur Wikidata. Une erreur de forme, d'analyse, de prononciation ou de fréquence relève de LeXiK : écrire au projet Lectura.