syllabify-fr

Syllabification française pour l'apprentissage de la lecture, en particulier pour les enfants dyslexiques.

Portage en Rust de LireCouleur 6 (Marie-Pierre & Luc Brungard, GPL v3).

Pourquoi pas un syllabifieur générique ?

Les outils typographiques (Hypher, hyphen-fr…) cherchent le minimum de coupures valides pour la mise en page, pas toutes les frontières syllabiques. Résultats inutilisables pour la lecture pédagogique :

chocolat → [chocolat] (aucune coupure)
école → [école] (évite de laisser un seul caractère)

LireCouleur segmente chaque mot en toutes ses syllabes, en distinguant finement les cas épineux : -ent muet vs prononcé, graphème ille, diérèses lion/hier, h muet/aspiré, liaisons avec apostrophe, homographes non homophones (le couvent vs elles couvent), etc.

Exemples

chocolat                       → cho-co-lat
famille                        → fa-mi-lle
fille                          → fi-lle
mille                          → mil-le
parlent  (verbe)               → par-lent      (-ent muet)
prudent  (adjectif)            → pru-dent      (-ent prononcé)
anticonstitutionnellement      → an-ti-cons-ti-tu-tion-nel-le-ment
lion                           → lion          (synérèse)
l'école                        → l'é-co-le
grand-père                     → grand-pè-re
homme                          → hom-me
œil                            → œil

Homographes contextuels

le couvent accueille les moines   → le cou-vent ac-cue-ille les moi-nes
                                                 [nom, -ent prononcé a~]

elles couvent leurs œufs          → el-les cou-vent leurs œufs
                                              [verbe, -ent muet]

il est là, vers l'est             → il est là, vers l'est
                                        [verbe, 1 phonème · direction, 3 phonèmes]

Utilisation

CLI

cargo build --release

./target/release/syllabify chocolat famille parlent
# cho-co-lat fa-mi-lle par-lent

./target/release/syllabify --text "le petit chat noir"
# le pe-tit chat noir

./target/release/syllabify --json chocolat
# ["cho","co","lat"]

echo -e "famille\nlion\nhier" | ./target/release/syllabify -
# fa-mi-lle
# lion
# hier

Bibliothèque Rust

use syllabify_fr::{syllables, syllabify_text, TextChunk};

assert_eq!(syllables("famille"), vec!["fa", "mi", "lle"]);
assert_eq!(syllables("parlent"), vec!["par", "lent"]);

// Texte complet — les homographes sont désambiguïsés selon le mot précédent
for chunk in syllabify_text("le couvent accueille les moines") {
    match chunk {
        TextChunk::Word(syls) => print!("{}", syls.join("-")),
        TextChunk::Raw(s)     => print!("{}", s),
    }
}
// Affiche : le cou-vent ac-cue-ille les moi-nes

Contrôle fin

use syllabify_fr::{syllables_with, AssembleMode, SyllableMode};

// Mode LC (segmentation phonologique, consonnes doubles groupées)
syllables_with("homme", false, AssembleMode::Lc, SyllableMode::Written);
// → ["ho", "mme"]

// Mode STD (défaut LC6, segmentation pédagogique)
syllables_with("homme", false, AssembleMode::Std, SyllableMode::Written);
// → ["hom", "me"]

// Syllabes orales (fusionne le q_caduc final)
syllables_with("école", false, AssembleMode::Std, SyllableMode::Oral);
// → ["é", "cole"]

Liaisons inter-mots

Prédicats purs pour décider si une liaison orale est possible entre deux mots (utile pour le coloriage prosodique, pas pour la segmentation syllabique) :

use syllabify_fr::{liaison_amont, liaison_aval, liaison_possible};

assert!(liaison_aval("les"));              // déterminant pluriel → déclenche
assert!(liaison_amont("hôtel"));           // h muet → peut recevoir
assert!(!liaison_amont("homard"));         // h aspiré → bloque
assert!(liaison_possible("les", "hôtels")); // → on lira [le.zo.tɛl]

Rendu HTML (coloriage syllabique)

Sortie prête à l'emploi pour un front-end : chaque syllabe dans un <span class="syl syl-a"> / <span class="syl syl-b"> alternés, chaque mot dans un <span class="word">, et les liaisons possibles entre mots matérialisées par <span class="liaison" data-with="…">.

use syllabify_fr::{render_word_html, render_html};

// Mot seul
render_word_html("chocolat");
// → <span class="word"><span class="syl syl-a">cho</span><span class="syl syl-b">co</span><span class="syl syl-a">lat</span></span>

// Texte complet avec ponctuation, homographes et liaisons
render_html("les hôtels, le couvent accueille");
// → <span class="word">…les…</span> <span class="liaison" data-with="z"></span><span class="word">…hôtels…</span>,
//   <span class="word">…le…</span> <span class="word">…cou…vent…</span> <span class="word">…ac…cue…ille…</span>

À la CSS du consommateur de définir les couleurs via les sélecteurs .syl-a, .syl-b, .liaison. Disponible aussi dans le binding WASM sous les noms renderHtml / renderWordHtml.

Architecture

Pipeline en 5 étapes, fidèle à LireCouleur 6 :

Nettoyage — minuscules, apostrophes → @, ponctuation → espace
Parser — automate à états finis (1 règle par lettre avec lookahead/lookbehind regex + 10 règles spéciales type regle_ient, regle_mots_ent…)
Post-traitements phonologiques — eu ouvert/fermé, o ouvert/fermé, yod (i+V → j)
Désambiguïsation contextuelle — 16 homographes non homophones résolus selon le mot précédent
Assemblage syllabique — regroupement V/C/S, attaques complexes (bl, tr, pl…), fusion des diphtongues

Données embarquées

Extraites du module.js de LireCouleur 6 (forge.apps.education.fr) :

Automate : 43 lettres (y.c. accentuées), ~480 règles au total
Base linguistique : 15 listes totalisant ~1200 entrées (217 verbes en -ier, 144 en -mer, 154 mots en -ent, etc.)
Homographes : 16 mots avec ~30 variantes contextuelles

Pour régénérer src/data.rs depuis une nouvelle version de LireCouleur 6 :

# 1. extraire le JSON depuis module.js (Node.js)
node build/extract_v6_data.js

# 2. régénérer les structures Rust
python3 build/generate_data.py

Tests

cargo test

19 tests unitaires (classification, cleaner, parser, règles, homographes)
1 test de régression sur 4 830 mots : conformité stricte à LireCouleur 6

Pour régénérer l'oracle depuis LC6 :

# Nécessite Node.js + le module.js de LC6 à portée
LC6_PATH=/chemin/vers/lirecouleur/js/lirecouleur/module.js \
  node build/generate_oracle.js build/data/corpus.txt

Licence

GPL v3 ou ultérieure, conformément à l'œuvre d'origine (LireCouleur par Marie-Pierre et Luc Brungard).

Les données embarquées (src/data.rs) dérivent directement de LireCouleur 6, lui-même GPL v3. Toute utilisation ou redistribution doit respecter les termes de la GPL v3.

Voir LICENSE pour le texte intégral.

Historique

Voir NOTES-v6.md pour le détail de la migration v5 → v6 (corrections, pièges rencontrés, dette technique).

Remerciements

Ce projet ne serait pas possible sans le travail pionnier et généreux de Marie-Pierre Brungard et Luc Brungard, qui maintiennent LireCouleur depuis plus de 15 ans au service des enseignants, orthophonistes, enfants dyslexiques et apprenants du français.

Site officiel : https://lirecouleur.forge.apps.education.fr/

Roadmap

Port Rust fidèle à LireCouleur 6 (100% conformité sur 4 830 mots)
CLI
Homographes contextuels
liaisonAmont / liaisonAval (liaisons entre mots)
FFI C (syllabify-fr-ffi)
WASM (binding JS/Deno)
Python (PyO3)
Java (JNI)
Sortie HTML avec spans pour intégration web (coloriage syllabique)

syllabify-fr 0.4.1