# LeXiK — Lexique phonétique et grammatical du français

LeXiK est un lexique de formes fléchies du français et de leurs lemmes,
associant à chaque forme sa prononciation (API syllabée), son analyse
grammaticale (Universal Dependencies et MULTEXT/GRACE), un alignement
graphème–phonème et des fréquences sur trois corpus. Cette version est la
**base complète** : mots, locutions, formes spéciales et formes non
classées. Version 1.0, octobre 2026 (base LeXiK 1.2.3 du 14/10/2026 13:25).

## Chiffres clés

| Sous-lexique | Graphies | Entrées | Lemmes |
|---|---:|---:|---:|
| Mots | 2 240 213 | 2 877 446 | 752 058 |
| Locutions et phrases | 80 258 | 82 570 | — |
| Formes spéciales | 45 423 | 45 919 | — |
| Formes non classées | 103 184 | 107 641 | — |

## Contenu du dépôt

| Fichier | Description |
|---|---|
| `DOCUMENTATION.md`, `.pdf` | Guide d'utilisation |
| `lexik_formes_mots.tsv.gz` | Les mots : une ligne par entrée (graphie, lemme) ; analyses, prononciation, alignement, orthocode, fréquences, confiance |
| `lexik_formes_multimots.tsv.gz` | Les locutions et phrases, une ligne par locution, avec ses propriétés et sa fréquence toutes formes |
| `lexik_formes_speciaux.tsv.gz` | Les formes spéciales, une ligne par forme et par lecture, avec son développement |
| `lexik_formes_non_classes.tsv.gz` | Les formes non classées, une ligne par entrée, non vérifiées |
| `lexik_lemmes.tsv.gz` | Les lemmes des mots : propriétés et fréquences |
| `annexes/lexik_multext.tsv.gz` | Les codes MULTEXT et leurs traits Universal Dependencies |
| `annexes/lexik_pronominaux.tsv.gz` | La part pronominale de chaque verbe (*se battre* / *battre*) |
| `provenance/` | Origine de chaque prononciation et des propriétés, avec sa documentation |
| `LICENSE` | Texte de la licence CC BY-SA 4.0 |
| `checksums.sha256` | Sommes de contrôle des fichiers |

## Les publications de LeXiK

Les trois premiers sous-lexiques de LeXiK font l'objet de trois
publications séparées sur ORTOLANG, dans cet ordre, avec le même format et les mêmes conventions :

| Ressource | Contenu |
|---|---|
| **LeXiK Mots** | les mots simples et composés, communs et propres |
| **LeXiK MultiMots** | les locutions (*avoir lieu*, *pomme de discorde*) et les phrases du Wiktionnaire |
| **LeXiK Spéciaux** | sigles, acronymes, abréviations, symboles, unités, préfixes et suffixes, éléments de noms composés |

La base complète, qui réunit les trois et y ajoute les formes non classées
(relevées dans les corpus ou dans les lexiques sans pouvoir être rangées),
est diffusée sur <https://lectura.world>.

## Licence

CC BY-SA 4.0 (texte complet dans `LICENSE`). LeXiK est une compilation enrichie de
sources lexicales libres, croisées entre elles (guide, §12 ; détail par
source dans `provenance/DOCUMENTATION_PROVENANCE.md`, §2). Morphalou,
Sequoia et FQB (LGPL-LR) ont servi au contrôle, sans redistribution de
leurs données. Toute réutilisation doit citer LeXiK et être diffusée sous
la même licence.

## Citation

> CARRIERE, Maxime (2026). *LeXiK* — lexique phonétique et
> grammatical du français, version 1.0. Lectura. https://lectura.world

## Auteur et contact

Maxime CARRIERE — Lectura — <https://lectura.world> —
<lectura.world@gmail.com>