Vous venez de terminer un roman de 50 000, 80 000 ou peut-être 150 000 mots. Félicitations ! Mais savez-vous combien de mots différents vous avez réellement utilisés ? Et surtout, votre vocabulaire est-il suffisamment riche pour séduire vos lecteurs et convaincre une maison d’édition ?
C’est une question que peu d’écrivains se posent lorsqu’ils achèvent leur manuscrit. Pourtant, une simple analyse informatique pourrait leur réserver bien des surprises.
Imaginez que nous passions votre roman au crible d’un logiciel capable de compter chaque mot, d’identifier les répétitions et de mesurer la diversité de votre vocabulaire. Combien découvririons-nous de mots différents ? 4 000 ? 8 000 ? 12 000 ? Davantage ?
Et si nous constations que vous utilisez plusieurs centaines de fois les mêmes verbes, les mêmes adjectifs ou les mêmes expressions ? Faudrait-il en conclure que votre écriture manque de richesse ?
À l’inverse, un auteur qui emploie des milliers de mots différents est-il nécessairement un meilleur écrivain ?
La réponse pourrait bien bouleverser quelques idées reçues sur la qualité littéraire d’un roman.
Pour tenter d’y voir plus clair, nous avons décidé de comparer deux œuvres françaises radicalement différentes.
La première est L’Enfant Loup, de Simon Laroche, un roman d’aventures historiques mêlant mystère, enquête policière, drame humain et survie dans la jungle indienne. Il appartient à la grande tradition des récits romanesques dépaysants, dans une veine comparable à celle de certains romans de Barbara Wood, notamment Les Vierges du paradis.
Le choix de ce roman n’est pas anodin. L’Enfant Loup a été publié professionnellement et son manuscrit a franchi avec succès les comités de lecture de six maisons d’édition, dont deux ayant pignon sur rue. Son parcours éditorial constitue donc un point de départ intéressant pour notre analyse.
La seconde œuvre n’est autre que Le Petit Prince, d’Antoine de Saint-Exupéry, l’un des contes philosophiques les plus célèbres de la littérature française, publié pour la première fois en 1943.
D’un côté, un roman d’aventures aux descriptions abondantes et aux situations variées. De l’autre, un conte poétique dont la force repose notamment sur la simplicité des mots, les symboles et les répétitions.
Nous avons analysé leur vocabulaire avec la même méthode informatique.
Et les résultats sont particulièrement révélateurs : le texte du Petit Prince présente une diversité lexicale sensiblement inférieure à celle de L’Enfant Loup sur des passages de longueur identique.
Faut-il en conclure que Saint-Exupéry possédait un vocabulaire moins riche ? Bien sûr que non !
C’est justement ce que nous allons expliquer.
Au fil de cet article, vous découvrirez comment calculer la diversité lexicale d’un roman, comment interpréter les pourcentages obtenus et comment estimer la variété de votre propre vocabulaire grâce à un tableau de référence expérimental.
1. Qu’est-ce que la richesse lexicale d’un roman ?
Derrière cette expression un peu savante se cache une idée relativement simple.
La richesse lexicale désigne les caractéristiques et l’étendue du vocabulaire employé dans un texte. L’une de ses composantes, appelée diversité lexicale, mesure la proportion de mots différents utilisés dans un passage.
Prenons deux exemples.
Première phrase :
Le chat regarde le chien. Le chien regarde le chat.
Cette phrase contient dix mots, mais seulement quatre formes différentes : « le », « chat », « regarde » et « chien ».
Deuxième phrase :
Le chat observe attentivement un chien endormi près du jardin.
Cette seconde phrase contient également dix mots, mais cette fois, les dix formes sont différentes.
La différence est évidente. Le premier exemple reprend constamment les mêmes mots. Le second emploie un vocabulaire plus varié.
Pourtant, cela ne signifie pas automatiquement que la deuxième phrase est mieux écrite.
La première pourrait parfaitement convenir à un livre destiné aux très jeunes enfants, à une comptine ou à un passage dans lequel l’auteur recherche volontairement un effet de répétition.
C’est toute la difficulté de l’analyse lexicale. Les chiffres permettent de mesurer certaines caractéristiques du texte, mais ils ne connaissent ni les intentions de l’écrivain ni les émotions qu’il souhaite transmettre.
Il faut donc distinguer deux notions fondamentales :
La diversité lexicale mesure la variété des mots employés.
La qualité littéraire dépend d’un ensemble beaucoup plus vaste de critères, parmi lesquels la précision du langage, le rythme, la fluidité, les émotions, la construction narrative et la cohérence stylistique.
Ces deux notions peuvent être liées, mais elles ne sont certainement pas équivalentes.
2. Comment calculer le pourcentage de mots différents dans un manuscrit ?
Le calcul de base est extrêmement simple.
Il faut connaître le nombre total de mots d’un texte, puis le nombre de formes différentes qu’il contient.
Imaginons un roman de 80 000 mots dans lequel nous retrouvons 10 000 formes distinctes.
Le calcul est le suivant :
10 000 ÷ 80 000 × 100 = 12,5 %
Le taux de diversité lexicale brute de ce roman est donc de 12,5 %.
En linguistique, cet indicateur s’appelle le Type-Token Ratio, généralement abrégé en TTR.
Le terme anglais token désigne chaque occurrence d’un mot, tandis que type correspond à une forme différente.
Si vous utilisez cinquante fois le mot « forêt » dans votre manuscrit, le logiciel comptabilisera cinquante occurrences, mais une seule forme distincte.
Attention également à ne pas confondre un mot différent avec un mot utilisé une seule fois.
Un mot qui apparaît cent fois reste un mot distinct. En revanche, un mot présent une seule fois dans l’ensemble du texte est appelé un hapax.
Les verbes conjugués comptent-ils comme des mots différents ?
Voilà une première difficulté.
Prenons les formes « regarder », « regarde », « regardait » et « regardèrent ».
Dans notre analyse, elles représentent quatre formes différentes.
Pourtant, il s’agit du même verbe.
Une autre méthode consiste à regrouper toutes les formes grammaticales sous leur mot de base, appelé lemme.
Cette opération, nommée lemmatisation, permet notamment de réunir les différentes conjugaisons d’un verbe.
Les deux approches sont intéressantes, mais elles ne produisent pas les mêmes résultats.
Dans notre étude, nous avons volontairement conservé les formes grammaticales distinctes afin d’appliquer une méthode de comptage identique aux deux livres.
3. Faut-il retirer les articles pour mieux mesurer la richesse du vocabulaire ?
Les articles sont parmi les mots les plus fréquents de la langue française.
Les formes « le », « la », « les », « un », « une » ou « des » reviennent constamment dans un roman.
C’est tout à fait normal, puisqu’elles participent à la construction des phrases.
Mais ces mots apportent relativement peu d’informations sur la variété des objets, des actions, des sentiments ou des idées que l’auteur exprime.
Il peut donc être intéressant de réaliser un second calcul après les avoir retirés.
Prenons un manuscrit de 80 000 mots contenant 10 000 formes différentes.
Si nous supprimons 12 000 occurrences d’articles, le texte restant ne contient plus que 68 000 mots. Le nombre de formes distinctes ne diminue que de quelques unités.
Le nouveau ratio sera donc sensiblement plus élevé.
Cela ne signifie évidemment pas que le vocabulaire de l’auteur est devenu plus riche. Nous avons simplement modifié les éléments pris en compte.
Précisons également qu’un logiciel qui retire automatiquement la forme « le » peut supprimer aussi bien un article qu’un pronom. Une analyse grammaticale serait nécessaire pour distinguer parfaitement ces emplois.
C’est pourquoi notre étude utilise deux indicateurs complémentaires : le ratio avec tous les mots et le ratio obtenu après suppression d’une liste définie de formes d’articles.
4. Première analyse : L’Enfant Loup, un roman historique et d’aventures
Commençons par L’Enfant Loup, de Simon Laroche.
Il s’agit d’un roman d’aventures situé principalement dans l’Inde de l’époque coloniale britannique, à l’époque des maharajas, des grandes expéditions et des chasses aux tigres.
Son récit mêle histoire, suspense, amour, drame et paysages exotiques, avec une intrigue qui traverse les époques.
Dans cette perspective, on peut le rapprocher de la grande tradition des romans historiques et romanesques représentée notamment par l’écrivaine américaine Barbara Wood.
Son roman Les Vierges du paradis, par exemple, plonge le lecteur dans l’histoire d’une famille égyptienne, entre secrets, destins individuels et bouleversements historiques.
Les deux œuvres ne racontent évidemment pas la même histoire. Mais elles partagent un goût prononcé pour les décors dépaysants, les événements historiques, les passions humaines et les existences marquées par les épreuves.
Ce type de roman mobilise naturellement de nombreux champs lexicaux.
Dans L’Enfant Loup, l’écrivain doit décrire aussi bien les rues de Londres que les palais indiens, les bateaux, les animaux sauvages, la forêt tropicale, les coutumes de l’époque ou les relations entre les personnages.
Cette diversité de situations favorise l’utilisation d’un vocabulaire étendu.
Les résultats obtenus
L’analyse du corps du roman, sans les notes de bas de page ni les pages de présentation, donne les résultats suivants :
| Indicateur | Résultat |
|---|---|
| Nombre total de mots | 89 186 |
| Nombre de formes différentes | 11 713 |
| Ratio lexical brut | 13,13 % |
| Nombre de mots après retrait des articles | 76 695 |
| Formes différentes après ce retrait | 11 703 |
| Ratio sans articles | 15,26 % |
Ces chiffres montrent que le roman emploie 11 713 formes distinctes sur un ensemble de près de 90 000 mots.
Mais peut-on affirmer que 13,13 % représente un bon ratio ?
Pas encore.
Pour le comprendre, examinons maintenant notre deuxième œuvre.
5. Deuxième analyse : Le Petit Prince, d’Antoine de Saint-Exupéry
Publié pour la première fois aux États-Unis en 1943, Le Petit Prince est un conte philosophique dont la portée dépasse largement le public jeunesse.
Son récit repose sur une rencontre entre un aviateur perdu dans le désert et un mystérieux petit garçon venu d’une autre planète.
Saint-Exupéry utilise un langage accessible, des dialogues nombreux et des images simples pour évoquer des thèmes profonds comme l’amitié, l’amour, la solitude, la responsabilité ou la mort.
Les personnages, les objets et les situations possèdent souvent une dimension symbolique.
La fleur, le mouton, le renard, les étoiles ou les planètes reviennent régulièrement dans le récit.
Cette répétition n’est pas nécessairement une faiblesse stylistique. Elle participe à la construction même du conte.
Les résultats obtenus
Nous avons analysé une version numérique du livre avec la même méthode que celle utilisée pour L’Enfant Loup.
| Indicateur | Résultat |
|---|---|
| Nombre total de mots | 15 408 |
| Nombre de formes différentes | 2 445 |
| Ratio lexical brut | 15,87 % |
| Nombre de mots après retrait des articles | 13 576 |
| Formes différentes après ce retrait | 2 435 |
| Ratio sans articles | 17,94 % |
Une première surprise apparaît immédiatement.
Avec 15,87 %, Le Petit Prince possède un ratio brut supérieur aux 13,13 % de L’Enfant Loup.
Cela signifie-t-il que Saint-Exupéry utilise un vocabulaire plus diversifié ?
Pas nécessairement.
Car les deux ouvrages présentent une différence fondamentale : leur longueur.
6. Pourquoi le ratio brut peut-il être trompeur ?
Imaginons deux écrivains.
Le premier rédige un roman de 30 000 mots et utilise 6 000 formes différentes.
Le second écrit une fresque historique de 150 000 mots et emploie 15 000 formes distinctes.
Leurs ratios respectifs seront de 20 % et de 10 %.
Si nous nous contentions de ces pourcentages, nous pourrions croire que le premier auteur possède un vocabulaire deux fois plus riche.
Ce serait une erreur.
Le second utilise en réalité beaucoup plus de formes différentes, mais son récit est aussi cinq fois plus long.
Or, plus un texte s’allonge, plus les mots déjà employés ont tendance à réapparaître.
Les personnages reviennent, les situations se prolongent, les lieux sont réutilisés et certains objets occupent une place importante tout au long de l’histoire.
Le ratio lexical brut a donc naturellement tendance à diminuer lorsque la longueur du texte augmente.
C’est pour cette raison qu’il serait trompeur de comparer directement les 15,87 % du Petit Prince aux 13,13 % de L’Enfant Loup.
Il faut d’abord neutraliser, autant que possible, cette différence de longueur.
7. Comment comparer correctement deux romans de longueurs différentes ?
La solution consiste à examiner des extraits de même taille.
Plutôt que de comparer deux manuscrits entiers, nous pouvons étudier des passages de 1 000 mots.
Imaginons qu’un premier extrait contienne 450 formes différentes. Son taux de diversité lexicale sera de 45 %.
Un second extrait contenant 500 formes différentes obtiendra un taux de 50 %.
Puisque les deux passages possèdent exactement la même longueur, la comparaison devient plus pertinente.
Mais un seul extrait ne suffit pas.
Un chapitre consacré à une bataille, par exemple, peut utiliser davantage de vocabulaire spécifique qu’une conversation entre deux personnages.
Il faut donc examiner plusieurs passages répartis dans l’ensemble du manuscrit.
La méthode MATTR
Les linguistes utilisent notamment une méthode appelée Moving-Average Type-Token Ratio, ou MATTR.
Son fonctionnement est simple à comprendre.
Un logiciel sélectionne les 1 000 premiers mots du texte et calcule leur diversité lexicale.
Il avance ensuite d’un mot et recommence l’opération sur les mots 2 à 1 001.
Puis il examine les mots 3 à 1 002, et ainsi de suite jusqu’à la fin du manuscrit.
Une fois tous les calculs effectués, le logiciel établit la moyenne des résultats.
Cette technique réduit considérablement l’influence de la longueur totale du texte.
Elle a notamment été étudiée par Michael A. Covington et Joe D. McFall dans leur publication scientifique de 2010, Cutting the Gordian Knot: The Moving-Average Type–Token Ratio.
Elle permet d’effectuer des comparaisons plus cohérentes, à condition d’utiliser les mêmes paramètres pour tous les textes.
8. Le Petit Prince face à L’Enfant Loup : les résultats sur 1 000 mots
Nous arrivons au cœur de notre expérience.
En appliquant la méthode MATTR sur des fenêtres successives de 1 000 mots, nous obtenons les résultats suivants :
| Indicateur | Le Petit Prince | L’Enfant Loup |
|---|---|---|
| Nombre total de mots | 15 408 | 89 186 |
| Formes différentes | 2 445 | 11 713 |
| Ratio brut | 15,87 % | 13,13 % |
| Ratio sans articles | 17,94 % | 15,26 % |
| MATTR sur 1 000 mots | 36,40 % | 47,61 % |
| MATTR sans articles | 38,86 % | 52,73 % |
Les résultats sont étonnants.
Lorsque nous analysons les deux œuvres sur des passages de longueur identique, L’Enfant Loup présente une diversité lexicale supérieure de 11,21 points de pourcentage à celle mesurée dans le fichier du Petit Prince.
Concrètement, cela signifie que nous retrouvons en moyenne environ 476 formes différentes sur 1 000 mots dans L’Enfant Loup, contre 364 dans Le Petit Prince.
La différence est importante.
Mais attention, il ne faut surtout pas en tirer de conclusions hâtives.
Elle ne prouve pas que Simon Laroche possède une meilleure maîtrise du français que Saint-Exupéry. Elle ne prouve pas non plus que L’Enfant Loup soit mieux écrit.
Elle montre simplement que les deux textes mobilisent leur vocabulaire de manière différente.
D’un côté, un roman aux environnements multiples et aux descriptions variées.
De l’autre, un conte symbolique dont l’écriture privilégie fréquemment la simplicité, la reprise et l’insistance.
Cette distinction est essentielle.
9. Le Petit Prince : la preuve qu’un vocabulaire moins varié ne fait pas un moins bon livre
Voilà peut-être la leçon la plus intéressante de notre comparaison.
Dans Le Petit Prince, certains mots reviennent constamment.
L’expression « petit prince » apparaît 169 fois dans le fichier analysé. Le mot « dit » revient 150 fois, « planète » 61 fois et « fleur » 52 fois.
On retrouve également les étoiles, les moutons, le renard ou les baobabs.
Ces répétitions jouent un rôle important dans le récit.
Le mouton représente une préoccupation récurrente du petit prince. La fleur est au cœur de son attachement affectif. Les étoiles renvoient à son univers et à son souvenir. Le renard introduit une réflexion majeure sur les liens que nous établissons avec les autres.
Saint-Exupéry n’a pas besoin de changer constamment de vocabulaire pour donner de la profondeur à ces éléments.
Au contraire, leur retour régulier permet au lecteur de les reconnaître et de leur attribuer progressivement une signification.
La répétition peut renforcer l’émotion
Dans un conte, la répétition peut produire des effets que l’on ne retrouverait pas nécessairement dans un roman d’aventures.
Elle peut créer un rythme, souligner une idée, rappeler un sentiment ou renforcer une image.
Un écrivain peut volontairement utiliser plusieurs fois le même mot plutôt que de chercher un synonyme.
Cela permet parfois d’obtenir une écriture plus directe et plus émouvante.
Un texte composé principalement de mots simples peut donc posséder une grande puissance littéraire.
La richesse d’une œuvre ne se résume pas à la quantité de vocabulaire qu’elle contient, mais aussi à la manière dont elle donne du sens aux mots employés.
C’est un principe fondamental que tous les auteurs devraient garder à l’esprit lorsqu’ils corrigent leur manuscrit.
10. Pourquoi un roman historique et d’aventures utilise-t-il souvent un vocabulaire plus varié ?
Revenons à L’Enfant Loup.
Son intrigue entraîne le lecteur de Londres à l’Inde coloniale, dans un univers où se côtoient les maharajas, les soldats britanniques, les chasseurs, les animaux sauvages et les populations locales.
L’auteur doit décrire des paysages, des bâtiments, des vêtements, des coutumes, des déplacements, des scènes de chasse et de nombreuses situations très différentes.
La diversité du décor entraîne naturellement une diversité du vocabulaire.
Ce phénomène peut se retrouver dans d’autres grandes fresques historiques et romanesques.
Prenons Les Vierges du paradis, de Barbara Wood. Ce roman plonge le lecteur dans l’histoire d’une famille égyptienne, avec ses secrets, ses conflits, ses traditions et les bouleversements de la société.
Comme L’Enfant Loup, il appartient à une littérature qui accorde une place importante à la reconstitution d’un environnement culturel et historique, ainsi qu’aux destins individuels.
Les deux œuvres ne sont pas identiques et nous n’avons pas mesuré le vocabulaire du livre de Barbara Wood. Le rapprochement concerne leur veine romanesque, non leurs statistiques.
Mais il permet de comprendre pourquoi certains genres peuvent naturellement favoriser une plus grande variété de mots.
Il faut cependant éviter d’en faire une règle absolue.
Un roman historique peut être écrit avec une grande simplicité, tandis qu’un récit intimiste peut présenter une diversité lexicale élevée.
Tout dépend du style de l’auteur et de la manière dont il construit son histoire.
11. Tableau d’estimation : votre roman possède-t-il un vocabulaire riche ?
Nous arrivons à la question que beaucoup d’auteurs attendent.
Quel pourcentage de mots différents faut-il obtenir pour considérer que son vocabulaire est suffisamment varié ?
La réponse scientifique est qu’il n'existe pas de seuil universellement reconnu.
Mais cela ne signifie pas que nous soyons condamnés à ne rien comparer.
Nous pouvons proposer des repères indicatifs, à condition d’expliquer clairement leur origine et leurs limites.
Notre première grille reposait sur les 89 passages de 1 000 mots de L’Enfant Loup.
Cependant, l’analyse du Petit Prince nous montre que cette grille serait trop restrictive si nous voulions l’appliquer indistinctement à tous les types de récits.
Nous avons donc élargi les plages afin de proposer un premier outil de lecture adapté à nos deux exemples.
Tableau indicatif de diversité lexicale sur 1 000 mots
| Ratio MATTR | Formes différentes sur 1 000 mots | Interprétation indicative |
|---|---|---|
| Moins de 35 % | Moins de 350 | Vocabulaire très concentré sur un ensemble de formes récurrentes |
| De 35 à moins de 40 % | 350 à 399 | Diversité contenue, proche du résultat observé dans Le Petit Prince |
| De 40 à moins de 45 % | 400 à 449 | Diversité intermédiaire entre nos deux exemples |
| De 45 à moins de 50 % | 450 à 499 | Diversité marquée, proche du résultat observé dans L’Enfant Loup |
| De 50 à moins de 55 % | 500 à 549 | Diversité très marquée sur des passages de cette longueur |
| 55 % et plus | 550 et plus | Diversité particulièrement étendue à examiner selon le style du récit |
Attention : ce tableau est une grille descriptive expérimentale, pas une norme scientifique ni un classement de qualité littéraire.
Il s’appuie sur seulement deux œuvres de genres différents.
Les seuils sont donc proposés à titre pédagogique et ne constituent pas des moyennes représentatives de la littérature française.
Il serait notamment incorrect d’en déduire qu’un roman situé dans la dernière catégorie est nécessairement meilleur qu’un autre situé dans la première.
Comment utiliser ce tableau ?
Supposons que vous analysiez votre propre manuscrit et obteniez un MATTR de 48 % sur des fenêtres de 1 000 mots.
Votre texte se situerait dans la zone de diversité marquée de notre tableau.
Cela indiquerait que vous employez, en moyenne, environ 480 formes différentes sur 1 000 mots.
Vous pourriez alors comparer ce résultat avec celui de L’Enfant Loup, tout en gardant à l’esprit les différences de genre littéraire et de narration.
Un résultat de 37 % placerait au contraire votre texte dans une zone proche de celle observée dans Le Petit Prince.
Faudrait-il retravailler votre roman pour autant ?
Pas nécessairement.
Vous devriez plutôt chercher à comprendre l’origine du résultat. Votre récit contient-il beaucoup de dialogues ? Utilise-t-il volontairement un vocabulaire simple ? Certains mots reviennent-ils trop souvent dans des passages rapprochés ?
Le tableau doit servir de point de départ à la réflexion, jamais de verdict.
Peut-on établir un barème plus fiable ?
Oui, mais il faudrait analyser beaucoup plus de romans.
L’idéal serait de constituer un ensemble représentatif de plusieurs dizaines ou centaines d’œuvres françaises.
Nous pourrions alors mesurer la diversité lexicale dans différentes catégories : romans historiques, thrillers, fantasy, science-fiction, littérature jeunesse, romances ou récits contemporains.
Il deviendrait possible d’établir des distributions statistiques propres à chaque genre.
Un auteur de fantasy pourrait ainsi comparer son vocabulaire à celui d’autres romans de fantasy, plutôt qu’à celui d’un conte philosophique.
Ce serait une approche beaucoup plus pertinente.
12. Les répétitions sont-elles toujours un défaut d’écriture ?
Certainement pas.
Un roman peut contenir de nombreuses répétitions sans que celles-ci nuisent à sa qualité.
Comme nous venons de le constater avec Le Petit Prince, la répétition peut participer au sens même de l’œuvre.
Mais il existe une différence importante entre une répétition volontaire et une répétition involontaire.
Prenons cet exemple :
Paul regarda Marie. Elle leva les yeux et regarda vers la fenêtre. Paul suivit son regard. Lorsqu’elle tourna les yeux vers lui, il détourna le regard.
La scène est compréhensible, mais le vocabulaire devient rapidement monotone.
Nous pourrions la reformuler ainsi :
Paul observa Marie. Elle tourna la tête vers la fenêtre. Intrigué, il chercha ce qui avait attiré son attention. Lorsqu’elle lui fit de nouveau face, il détourna les yeux.
La seconde version évite plusieurs répétitions rapprochées.
Cela ne signifie pas qu’il faille supprimer systématiquement tous les mots récurrents.
Le problème dépend surtout de leur concentration dans un passage, du contexte et de l’effet recherché.
Utiliser cinquante fois le verbe « regarder » dans un roman de 100 000 mots n’est pas forcément gênant.
Le répéter six fois dans un même paragraphe peut l’être davantage.
13. Quels mots reviennent le plus souvent dans les deux œuvres ?
Les analyses informatiques permettent également d’identifier les mots les plus fréquents.
Dans L’Enfant Loup, nous avons notamment relevé :
| Mot | Occurrences |
|---|---|
| Camille | 290 |
| Yeux | 198 |
| Dit | 173 |
| Fille | 151 |
| Visage | 131 |
| Tête | 117 |
| Tigre | 100 |
| Main | 95 |
| Regard | 92 |
Dans le fichier du Petit Prince, certains mots caractéristiques reviennent également très régulièrement :
| Mot | Occurrences |
|---|---|
| Petit | 200 |
| Prince | 172 |
| Dit | 150 |
| Planète | 61 |
| Fleur | 52 |
| Étoiles | 39 |
| Répondit | 38 |
| Renard | 34 |
| Mouton | 33 |
Ces fréquences doivent être interprétées avec précaution.
Dans L’Enfant Loup, la présence importante des mots « yeux », « visage » et « regard » mérite éventuellement une vérification stylistique.
Cela ne signifie pas qu’ils sont trop nombreux, mais qu’il peut être intéressant de rechercher les passages dans lesquels ils se succèdent.
À l’inverse, dans Le Petit Prince, les noms récurrents désignent des personnages ou des éléments symboliques indispensables.
Il serait absurde de vouloir supprimer le mot « prince » simplement parce qu’il apparaît fréquemment.
De même, dans L’Enfant Loup, remplacer systématiquement « tigre » par « félin » ou « prédateur » pourrait rendre certaines phrases moins précises.
Une répétition ne devient problématique que lorsqu’elle nuit au texte ou produit un effet que l’auteur ne recherche pas.
14. Un vocabulaire compliqué est-il nécessairement un vocabulaire riche ?
Voilà une autre idée reçue qu’il convient de combattre.
Certains écrivains pensent qu’un style littéraire doit obligatoirement employer des mots recherchés, rares ou difficiles.
Ils remplacent alors les termes les plus simples par des synonymes inhabituels, parfois sans véritable justification.
Pourtant, richesse lexicale et complexité du vocabulaire sont deux notions différentes.
Un auteur peut employer une grande variété de mots courants.
À l’inverse, un texte rempli de termes savants peut se montrer extrêmement répétitif.
Prenons une phrase toute simple :
La maison était au bord de la forêt.
Cette formulation ne contient aucun mot difficile. Elle est pourtant parfaitement correcte.
La remplacer par une expression compliquée n’améliorerait pas nécessairement la qualité du récit.
Les mots rares peuvent évidemment avoir leur place dans un roman. Ils permettent parfois de décrire une réalité précise, une émotion particulière ou un environnement spécialisé.
Mais ils ne devraient pas être utilisés simplement pour impressionner le lecteur.
La meilleure écriture n’est pas celle qui multiplie les mots compliqués, mais celle qui choisit les mots les plus justes.
L’exemple du Petit Prince est particulièrement révélateur sur ce point.
La force de ce conte repose notamment sur la simplicité de nombreuses formulations et sur la profondeur des idées qu’elles transmettent.
15. Comment tester la richesse lexicale de votre propre roman ?
Vous souhaitez maintenant savoir où se situe votre manuscrit ?
Il existe une méthode relativement simple pour obtenir une première estimation.
Comment analyser son manuscrit en cinq étapes ?
- Sélectionnez cinq passages de 1 000 mots, répartis dans l’ensemble de votre roman. Choisissez-les au début, vers le premier tiers, au milieu, vers les deux tiers et à la fin.
- Comptez les formes différentes dans chacun de ces passages à l’aide d’un outil informatique. Le compteur de mots classique de Word ne fournit pas directement ce résultat.
- Calculez le pourcentage en divisant le nombre de formes distinctes par 1 000, puis en multipliant par 100.
- Faites la moyenne des cinq pourcentages pour obtenir une première indication de la diversité lexicale de votre manuscrit.
- Comparez votre résultat au tableau indicatif, puis examinez les passages présentant la diversité la plus faible afin de rechercher d’éventuelles répétitions gênantes.
Cette méthode fournit une estimation fondée sur quelques extraits.
Elle ne remplace pas un calcul MATTR réalisé sur l’intégralité du manuscrit, mais permet d’obtenir une première indication intéressante.
Il faut également utiliser les mêmes règles de comptage que celles de notre étude. Les différences de traitement des apostrophes, des traits d’union, des nombres ou des formes grammaticales peuvent modifier les résultats.
Peut-on utiliser une intelligence artificielle ?
Oui, à condition de lui demander une véritable analyse informatique du manuscrit.
Une intelligence artificielle capable d’exécuter du code peut compter toutes les occurrences, identifier les formes différentes, rechercher les répétitions et calculer différents indicateurs statistiques.
Vous pouvez par exemple lui transmettre votre fichier Word avec cette consigne :
Exemple de demande :
Analyse intégralement mon manuscrit Word. Calcule le nombre total de mots, le nombre de formes différentes et le ratio lexical brut. Effectue un second calcul après suppression des articles. Mesure ensuite la diversité lexicale moyenne sur des fenêtres successives de 1 000 mots, selon la méthode MATTR. Fournis également la liste des mots les plus fréquents, hors mots grammaticaux, et recherche les répétitions rapprochées. Précise exactement la méthode utilisée et n’invente aucun chiffre.
Attention, cependant, aux analyses réalisées à partir de quelques extraits seulement.
Pour obtenir des résultats fiables, le logiciel doit traiter l’intégralité du texte. Une estimation produite sans véritable comptage ne possède aucune valeur statistique.
16. Comment améliorer la diversité du vocabulaire sans rendre son écriture artificielle ?
Si votre roman présente une diversité lexicale relativement faible, il n’est pas nécessaire de tout réécrire.
Commencez par rechercher les répétitions involontaires.
Certaines expressions deviennent des automatismes dont l’auteur n’a plus conscience.
Un personnage peut passer son temps à « froncer les sourcils », « lever les yeux », « hocher la tête » ou « soupirer ».
Ces gestes sont parfaitement naturels, mais leur répétition excessive peut donner une impression de monotonie.
De même, certains verbes comme « faire », « avoir », « être », « regarder » ou « sembler » peuvent parfois être remplacés par des formulations plus précises.
Mais attention au piège des synonymes.
Remplacer systématiquement « porte » par « ouverture », « accès », « passage » ou « huis » peut rendre le texte inutilement compliqué.
Il vaut souvent mieux retravailler la structure d’une phrase plutôt que de chercher un nouveau mot.
Parfois, une information est déjà évidente et n’a même pas besoin d’être exprimée.
Par exemple :
Camille regarda le tigre et vit qu’il avançait lentement.
Cette phrase pourrait devenir :
Le tigre avançait lentement vers Camille, sans la quitter des yeux.
Le vocabulaire n’est pas nécessairement beaucoup plus complexe, mais la formulation gagne en efficacité.
L’objectif n’est donc pas de faire augmenter artificiellement le ratio lexical.
Il s’agit de rendre l’écriture plus précise, plus fluide et plus naturelle.
17. La richesse lexicale peut-elle influencer la publication d’un roman ?
Les maisons d’édition s’intéressent évidemment à la qualité de la langue, à la fluidité de l’écriture et au style des auteurs.
Cependant, il serait excessif d’affirmer qu’un comité de lecture utilise systématiquement un logiciel pour compter les mots différents d’un manuscrit.
La sélection d’un roman repose sur de nombreux critères.
L’originalité de l’intrigue, la construction narrative, la crédibilité des personnages, le rythme, les émotions et la cohérence du récit jouent un rôle déterminant.
L’adéquation à la ligne éditoriale de la maison constitue également un facteur important.
Un manuscrit peut être refusé malgré un vocabulaire très étendu. Inversement, un récit utilisant des mots simples peut parfaitement convaincre un éditeur.
L’exemple de L’Enfant Loup est intéressant à cet égard.
Le roman a été publié professionnellement et son manuscrit a obtenu des avis favorables auprès de six comités de lecture, dont deux appartenant à des maisons d’édition ayant pignon sur rue.
Pourtant, son ratio lexical brut n’est que de 13,13 %.
Ce chiffre pourrait sembler relativement faible à quelqu’un qui ignorerait les limites des mesures statistiques.
Il serait donc absurde d’en déduire que le roman manque de vocabulaire.
Et l’exemple du Petit Prince nous rappelle une autre évidence : une œuvre littéraire peut marquer durablement ses lecteurs en utilisant volontairement un vocabulaire simple et répétitif.
Un comité de lecture juge avant tout un manuscrit dans son ensemble, pas son pourcentage de mots différents.
La diversité lexicale reste néanmoins un outil précieux pour la correction et la réécriture.
Elle peut révéler certains automatismes de langage et aider l’auteur à améliorer des passages qui gagneraient à être plus précis.
18. Alors, quel est le bon ratio de mots différents dans un roman ?
Nous avons maintenant suffisamment d’éléments pour répondre à notre question de départ.
Il n’existe pas de pourcentage magique permettant de déterminer qu’un roman possède un vocabulaire idéal.
Nous pouvons mesurer la diversité lexicale avec précision, comparer des passages de même longueur, repérer les répétitions et étudier les habitudes stylistiques d’un auteur.
Mais nous ne pouvons pas transformer automatiquement ces données en une note de qualité littéraire.
Un roman d’aventures historiques comme L’Enfant Loup et un conte philosophique comme Le Petit Prince n’utilisent pas nécessairement le même vocabulaire.
Leurs objectifs narratifs sont différents.
L’un cherche notamment à immerger le lecteur dans des environnements nombreux et détaillés, à travers des aventures, des descriptions et des événements complexes.
L’autre privilégie une histoire symbolique, une narration épurée et des motifs qui reviennent régulièrement pour construire sa portée philosophique.
Il ne serait donc pas raisonnable d’attendre des résultats identiques.
Cela dit, les statistiques ne sont pas inutiles pour autant.
Elles peuvent nous aider à comparer plusieurs versions d’un même manuscrit, à mesurer certaines évolutions stylistiques ou à découvrir des répétitions jusque-là passées inaperçues.
L’essentiel est de savoir ce que nous mesurons réellement.
Conclusion : un vocabulaire plus varié fait-il un meilleur écrivain ?
Notre étude nous a permis de comparer deux œuvres aux caractéristiques très différentes.
Le roman L’Enfant Loup, de Simon Laroche, contient 89 186 mots et 11 713 formes distinctes, soit un ratio lexical brut de 13,13 %.
Le fichier analysé du Petit Prince, d’Antoine de Saint-Exupéry, contient quant à lui 15 408 mots et 2 445 formes distinctes, soit un ratio de 15,87 %.
À première vue, le conte de Saint-Exupéry semble donc présenter une diversité supérieure.
Mais lorsque nous utilisons la méthode MATTR sur des passages de 1 000 mots, les résultats s’inversent.
L’Enfant Loup atteint 47,61 %, contre 36,40 % pour le fichier du Petit Prince.
Cette différence illustre combien les choix narratifs et la structure d’un récit peuvent influencer la diversité du vocabulaire.
Cependant, ces résultats ne signifient ni que le vocabulaire de Simon Laroche est meilleur que celui de Saint-Exupéry, ni que son ratio doit devenir une référence universelle.
Ils montrent simplement que deux œuvres peuvent utiliser leur vocabulaire de manière très différente, sans que leur qualité littéraire puisse être déduite de cette seule différence.
Ce constat devrait rassurer les auteurs qui s’inquiètent de ne pas employer suffisamment de mots différents.
La véritable richesse d’un roman ne repose pas uniquement sur la taille de son vocabulaire.
Elle dépend aussi de la précision des formulations, de la force des images, de la musicalité des phrases et de la capacité de l’écrivain à faire naître des émotions.
Un auteur peut employer des mots très simples et produire une œuvre remarquable.
Un autre peut multiplier les termes rares sans jamais parvenir à captiver son lecteur.
Le meilleur vocabulaire n’est donc pas nécessairement le plus vaste, mais celui qui sert le mieux l’histoire.
Pour autant, connaître son propre ratio lexical reste une expérience intéressante.
Cela permet de découvrir ses habitudes d’écriture, de repérer les répétitions involontaires et de prendre du recul sur son manuscrit.
Alors, pourquoi ne pas tenter l’expérience ?
Et vous, auteurs, combien de mots différents utilisez-vous dans votre roman ? Quel pourcentage obtenez-vous sur des passages de 1 000 mots ?
N’hésitez pas à partager vos résultats dans les commentaires, en précisant la méthode de comptage utilisée.
À mesure que nous disposerons de nouvelles analyses, il deviendra possible d’enrichir notre tableau expérimental et de mieux comprendre la diversité lexicale des différents genres littéraires.
Car la statistique ne doit pas devenir un concours de vocabulaire, mais un outil au service des écrivains.
