Décrire la resémiotisation d’un phénomène: un modèle fondé sur des traits partagés entre les classes des signes peirciennes

Résumé Avec les outils théoriques existants, la resémiotisation complète d’un même phénomène perceptuel semble un processus peu évident à décrire intégralement. Cet article vient proposer un modèle permettant une description précise de ce processus. Dans une perspective peircienne y est proposé un système permettant de décrire ce qui advient lorsqu’un même phénomène engendre, sur une période donnée, plusieurs sémioses de types et de contenus distincts. Se distinguant de la sémiose illimitée et de sa chaîne d’interprétants, ce qui est ici nommé « resémiotisation d’un phénomène » est un processus au cours duquel le seul phénomène lui-même donne lieu à des sémioses de natures différentes. Le modèle proposé pour décrire ce processus repose sur l’identification de traits communs partagés par chaque dyade que l’on peut former avec deux types de signes de la deuxième trichotomie peircienne (icône, indice, symbole), chaque trait commun entre deux types de signes en excluant un troisième. On trouve par exemple un trait commun reliant exclusivement icône et indice qui vient exclure nécessairement tout symbole. Ce système de traits communs dyadiques au sein de la triade peircienne des signes permet de modéliser la manière dont certaines caractéristiques élémentaires s’ajoutent, se maintiennent ou disparaissent d’une sémiose à l’autre, alors que ces sémioses ne sont reliées qu’au niveau de l’expérience phénoménologique. Il est ainsi montré la façon dont même une resémiotisation complète d’un phénomène préserve toujours des éléments de sa précédente sémiose.

Authors

Institutions

Publication Details

Journal
Semiotica
Published
2026-04-27
DOI
https://doi.org/10.1515/sem-2025-0120
Primary Topic
Semiotics and Representation Studies
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Décrire la resémiotisation d’un phénomène: un modèle fondé sur des traits partagés entre les classes des signes peirciennes

Mattéo Raimbault
Semiotica
Semiotics and Representation Studies
article

Décrire la resémiotisation d’un phénomène: un modèle fondé sur des traits partagés entre les classes des signes peirciennes

Mattéo Raimbault
article en

Abstract

Résumé Avec les outils théoriques existants, la resémiotisation complète d’un même phénomène perceptuel semble un processus peu évident à décrire intégralement. Cet article vient proposer un modèle permettant une description précise de ce processus. Dans une perspective peircienne y est proposé un système permettant de décrire ce qui advient lorsqu’un même phénomène engendre, sur une période donnée, plusieurs sémioses de types et de contenus distincts. Se distinguant de la sémiose illimitée et de sa chaîne d’interprétants, ce qui est ici nommé « resémiotisation d’un phénomène » est un processus au cours duquel le seul phénomène lui-même donne lieu à des sémioses de natures différentes. Le modèle proposé pour décrire ce processus repose sur l’identification de traits communs partagés par chaque dyade que l’on peut former avec deux types de signes de la deuxième trichotomie peircienne (icône, indice, symbole), chaque trait commun entre deux types de signes en excluant un troisième. On trouve par exemple un trait commun reliant exclusivement icône et indice qui vient exclure nécessairement tout symbole. Ce système de traits communs dyadiques au sein de la triade peircienne des signes permet de modéliser la manière dont certaines caractéristiques élémentaires s’ajoutent, se maintiennent ou disparaissent d’une sémiose à l’autre, alors que ces sémioses ne sont reliées qu’au niveau de l’expérience phénoménologique. Il est ainsi montré la façon dont même une resémiotisation complète d’un phénomène préserve toujours des éléments de sa précédente sémiose.

SemioticaVol. 2026(270)
Université Paris Cité (FR)
Reduced inequalities
Openalex Percentile: Top 8%
Semiotics and Representation Studies
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.