Fréquence d'apparition des lettres en français

Un article de Wikipédia, l'encyclopédie libre.
Aller à : navigation, rechercher

Le calcul de la fréquence des lettres dans une langue est difficile et soumis à interprétation. On compte la fréquence des lettres d’un texte arbitrairement long, mais un certain nombre de paramètres influencent les résultats :

  • Le style narratif : s’il y a beaucoup de verbes à la 2e personne du pluriel (le vouvoiement, présent dans beaucoup de dialogues), il y aura significativement plus de « Z ».
  • Le vocabulaire spécifique du document : si l’on parle de chemins de fer, il y aura beaucoup plus de « W » (wagon) ; si l’un des protagonistes se dénomme Loïs, le nombre de « Ï » s’en ressentira.
  • Le type de document : des petites annonces en France présenteront souvent le symbole Euro (), qui est absent de la plupart des autres documents.
  • Les paramètres techniques : on peut facilement calculer des statistiques sur des textes informatisés, mais bien souvent, ceux-ci ne comportent pas de majuscules accentuées (qui ne sont pas faciles à entrer sur certains ordinateurs) ; l’e-dans-l’o (œ), qui n'est pas une ligature esthétique car il se prononce différemment de la suite de voyelles « oe » (comparer vœux et coexistence), est impossible à représenter dans le codage latin-1, qui est hélas souvent utilisé pour les textes en français ; de plus, certains auteurs omettent des accents.

Si ces paramètres ont un impact spectaculaire sur les symboles les moins fréquents (la fréquence du œ varie entre 0,002 % et 0,09 % pour trois textes pris au hasard)[réf. nécessaire], elle est également sensible même pour les lettres les plus fréquentes (l’ordre de fréquence des lettres A, S, I, T et N, qui sont les plus fréquentes à part E, fluctue d’un texte à l’autre).

Remarque importante[modifier | modifier le code]

La fréquence des lettres dans un texte diffère de celle de la liste des mots d’un dictionnaire. En effet, très peu de mots apparaissent au pluriel dans un dictionnaire, ce qui conduit la lettre s à y être moins fréquente. De plus, les lettres accentuées à et ù apparaissent dans un nombre très limité de mots, mais dont certains sont d'usage fréquent (à, ), ce qui contribue à en modifier la fréquence relative de ces lettres.

Le corpus de textes littéraires disponible sur le Net (par exemple sur le site de l’Association des bibliophiles universels (ABU)) permet à tout un chacun de se livrer en quelques minutes aux analyses de fréquence de lettres chez l’auteur de son choix.

Quelques mesures[modifier | modifier le code]

Pour un corpus donné en français représentant 1 533 629 lettres, on a trouvé la répartition suivante. Seuls les caractères listés ont été pris en compte dans les calculs de pourcentages. Voir les détails du corpus[réf. nécessaire].

Diagramme de frequence des lettres en français.svg

Rang Lettre Nombre Pourcentage
1. e 225947 14,715
2. s 121895 7,948
3. a 117110 7,636
4. i 115465 7,529
5. t 111103 7,244
6. n 108812 7,095
7. r 100500 6,553
8. u 96785 6,311
9. l 83668 5,456
10. o 82762 5,378
11. d 56269 3,669
12. c 50003 3,260
13. p 46335 3,021
14. m 45521 2,968
15. é 29206 1,904
16. v 24975 1,628
17. q 20889 1,362
18. f 16351 1,066
19. b 13822 0,901
20. g 13288 0,866
21. h 11298 0,737
22. j 8351 0,545
23. à 7449 0,486
24. x 5928 0,387
25. y 4725 0,308
26. è 4160 0,271
27. ê 3445 0,225
28. z 2093 0,136
29. w 1747 0,114
30. ç 1306 0,085
31. ù 890 0,058
32. k 745 0,049
33. î 695 0,045
34. œ 283 0,018
35. ï 84 0,006
36. ë 7 0,000

Dans d'autres langues[modifier | modifier le code]

Diagramme comparatif de la fréquence des lettres dans 11 langues.

Articles connexes[modifier | modifier le code]

Liens externes[modifier | modifier le code]