Le programme Corpus de la parole initié en 2005 par la Délégation générale à la langue française et aux langues de France du Ministère de la Culture en partenariat avec le CNRS a pour vocation la constitution, la conservation, l'exploitation et la diffusion de corpus oraux, en français et langues de France. Ce programme s’est concrétisé d’une part par un travail sur les bonnes pratiques et d’autre part, par la réalisation d’une base de données conçue comme un réservoir accueillant, après cinq années d’existence, plus de mille heures d’enregistrements en quarante deux langues (ainsi que des annotations et des transcriptions) provenant de projets scientifiques aux pratiques et objectifs très diversifiés. Ce réservoir a nécessité de proposer ou définir des formats et des normes dans le respect des pratiques hétérogènes des chercheurs. Cette phase du programme est loin d‘être anodine car les nouvelles technologies de traitement des données linguistiques numériques – des outils de transcriptions synchronisées et d'annotations aux normes de catalogage et de codage en passant par l'élaboration de base de données – conditionnent les pratiques des chercheurs, de la construction de leur objet aux analyses et théories fondées sur corpus. Cette communication sera l'occasion de dresser un premier panorama des problèmes rencontrés et des solutions proposées, et d’esquisser, en s’appuyant sur cette expérience unique, des perspectives pour la constitution de bases de données linguistiques qui dépassent l’élaboration de corpus dédiés à une analyse unique ou même à une discipline scientifique.