DONNÉES LEXICALES ANIMYJOB — JSON ADAPTÉ
Version des données : 1.0.1
Licence des données : Creative Commons Attribution — Partage dans les mêmes
conditions 4.0 International (CC BY-SA 4.0).
https://creativecommons.org/licenses/by-sa/4.0/

CONTENU

Ce téléchargement contient 125654 graphies lexicales réelles :
125653 graphies issues de Lexique 3.83 et un complément
borné, « traçable », attesté par le Wiktionnaire. Les nombres sont des comptes
d'entrées et ne correspondent pas à des volumes de recherche Google.

data/words/00.json ... ff.json : 256 objets JSON, clé = slug, valeur = entrée.
Pour retrouver un slug : prendre les deux premiers caractères hexadécimaux
minuscules du SHA-1 du slug encodé en UTF-8 NFC.

data/normalized/00.json ... ff.json : 256 objets JSON, clé = mot normalisé,
valeur = liste de slugs. Le hash porte ici sur le mot normalisé.

data/lexicon-schema.json : description exacte des champs des entrées.
data/phonetics.json : alphabet Lexique sensible à la casse et conversion API.
data/pos.json : catégories grammaticales et libellés français.
data/manifest.json : source, licence, décomptes et précautions d'utilisation.
data/source-manifest.json : provenance, empreintes et transformations.
data/validation.json : résultat du contrôle de la base adaptée.
data/sample.json : exemples réels, dont les variantes cote/côte/côté et fils.

Les licences, crédits et copies des annonces de licence figurent dans
docs/licenses/. Le complément versionné se trouve dans
pipeline/supplemental-entries.json ; il ne contient pas de programme exécutable.

SOURCE ET CRÉDITS

Lexique 3.83 : Boris New, Christophe Pallier et contributeurs, via OpenLexicon.
https://openlexicon.fr/datasets-info/Lexique383/README-Lexique.html
Archive source : https://www.lexique.org/databases/Lexique383/Lexique383.zip
Table d'origine : 25 850 780 octets.
MD5 publié de Lexique383.tsv : a742a88cb00759c1ebed34995aed9904

Complément « traçable » : Wiktionnaire et ses contributeurs, révision 38283305
du 31 mai 2025, consultée le 17 octobre 2026, également sous CC BY-SA 4.0.
https://fr.wiktionary.org/w/index.php?title=tra%C3%A7able&oldid=38283305
L'historique des contributeurs et l'empreinte de la copie consultée sont
conservés dans le supplément et les manifestes. Aucune définition, citation
ou illustration de cette entrée n'est réutilisée dans les données lexicales.

Adaptation structurée, normalisation et indexation : AnimyJob, 2026.
Les données adaptées sont diffusées sous la même licence CC BY-SA 4.0.
Lors d'une redistribution, conserver l'attribution, le lien vers la licence
et l'indication des modifications ; partager les adaptations sous la même
licence. Le texte intégral de la licence est inclus dans l'archive.

TRANSFORMATIONS

- Regroupement des analyses grammaticales d'une même graphie NFC.
- Conservation des accents dans les slugs : cote, côte et côté sont distincts.
- Normalisation d'anagramme : suppression des accents et de la ponctuation,
  développement de œ en oe et de æ en ae, conservation des lettres répétées.
- Calcul de signatures par tri des lettres normalisées.
- Conservation des lemmes, catégories et prononciations multiples attestées.
- Conversion des phonèmes Lexique vers l'alphabet phonétique international.
- Conservation des comptes de syllabes phonétiques, distincts du découpage
  orthographique fourni par la source.
- Création de clés stables et de shards JSON pour une lecture limitée.

Les fréquences filmsPerMillion et booksPerMillion sont des occurrences par
million dans les corpus de sous-titres et de livres de Lexique. Le score est
le maximum de ces valeurs ; les analyses homographes utilisent leur maximum.
Ce ne sont NI des recherches Google NI une mesure de difficulté SEO.
Pour « traçable », aucune mesure n'est disponible : les valeurs sont zéro,
sans prétendre que le mot est absent de l'usage.

LIMITES

Cette base contient des formes conjuguées, des pluriels, des expressions,
des mots rares, techniques, familiers ou adultes. Elle n'est ni une liste
officielle de mots Scrabble, ni une sélection certifiée adaptée aux enfants,
ni un dictionnaire de définitions. Les champs simple, isLemma et frequency
permettent des filtres explicites. Aucune fréquence ni aucun mot n'est inventé.

Cette archive publique ne contient pas les index internes de résultats,
le logiciel PHP, les paramètres du site ni les fichiers bruts de fabrication.
Les données sont lisibles en JSON UTF-8 et n'exigent aucune base SQL.
