Pour la constitution de ce nouveau corpus, nous avons dû nous poser plusieurs questions sur l’identification et l’annotation de références implicites (notamment pour le premier sous-groupe). Il nous a fallu dans un premier temps, identifier les éléments importants qui composent une référence bibliographique (du plus important au moins important) :

• le titre
• le ou les auteurs
• la date
• le lieu et la maison d’édition

La question de l’importance des éléments d’une référence bibliographique peut paraitre simple mais elle est nécessaire car elle permet de maintenir une certaine cohérence  dans le repérage des références avec les balises <bibl> et dans son annotation. En effet, la question posée de manière implicite est celle de savoir à partir de combien d’éléments une référence est considérée comme bibliographique et quels sont les éléments qui font d’elle une référence. Autrement dit, le titre d’un article ou d’un ouvrage est suffisant pour lancer une recherche dans un moteur de recherche, et les éléments comme auteur, date, lieu et maison d’édition viennent préciser la recherche. Alors qu’une recherche à partir de l’auteur serait  inefficace par exemple.

Ce corpus pose une autre question, quand débute et quand finit une référence bibliographique implicite ? Cette question est importante car de nombreuses difficultés sont apparus dans le repérage des références. En effet, nous pouvons observer que les références peuvent se trouver à deux endroits, d’une part dans le corps du texte, d’autre part à cheval entre le texte et la note de bas de page. Le problème devient plus complexe quand le nom de l’auteur se situe deux à trois lignes au-dessus ou en-dessous du titre de l’ouvrage ou de l’article. Nous avons fait le choix, dans ce cas de considérer qu’une référence commence au premier élément bibliographique (auteur, titre, etc.) jusqu’à la dernière indication bibliographique (date, page, ou autre marque de publication).