Les expériences en linguistique expérimentale ont montré que les mots abstraits et concrets sont perçus différemment par notre système cognitif. En tenant compte de ce constat, nous faisons l’hypothèse que les mots peuvent avoir les traits inhérents à une catégorie particulière : abstraite ou concrète. Cependant, les lexiques disponibles pour le français ne contiennent pas cette information, d’autant plus qu’elle est difficile à cerner. Au cours de notre travail, nous avons essayé d’identifier ces traits particuliers en partant des variables disponibles dans les ressources existantes, comme la fréquence et la structure morphologique. Le seul trait fiable qui permet de distinguer les mots concrets des mots abstraits, cependant, était l’iconicité. Pour pouvoir cibler ce trait, nous avons ensuite développé une base de données lexicale de façon semi-automatique en partant d’une liste de 369 noms abstraits et concrets et en utilisant deux méthodes distributionnelles. Notre objectif était d'observer le comportement des voisins distributionnels et des cooccurrences syntaxiques dans les deux classes des noms et de construire une liste par propagation à partir des listes initiales. Les résultats obtenus, 7.898 noms annotés automatiquement, ont permis de valider notre approche, ce qui nous permettra de poursuivre la recherche avec l’utilisation dans d’autres travaux expérimentaux, notre objectif à moyen terme étant d’explorer l’impact du trait « iconicité » dans la compréhension et la lecture de mots en contexte.