Compteur de mots

La source la plus courante de divergence entre deux compteurs de mots n'est pas une erreur de l'un ou l'autre — c'est une différence sur ce qui compte comme « mot » aux limites. Si un composé avec trait d'union comme « well-known » est un mot ou deux, si un tiret cadratin isolé entre clauses casse un compte de mots, et si une chaîne de chiffres comme « 42 » compte comme un mot fait de lettres sont toutes des décisions qu'un algorithme de comptage doit prendre, et différents outils les prennent différemment. Cet outil suit la convention utilisée par Microsoft Word et Google Docs — contractions et composés avec trait d'union comptent chacun pour un mot — spécifiquement pour qu'un total produit ici corresponde à ce qu'attend un éditeur, une maison d'édition, ou une limite de devoir basée sur le compte de mots.

Un compteur de mots naïf construit en divisant le texte par les espaces fonctionne raisonnablement bien pour l'anglais et la plupart des langues européennes, car les mots y sont conventionnellement séparés par un espace. Il échoue complètement en chinois, japonais et thaï, dont aucun n'utilise d'espaces entre les mots — un paragraphe entier de texte chinois n'a aucun espace, et un compteur divisant par les espaces le rapporte comme un seul bloc d'un mot, quel que soit le nombre de vrais mots qu'il contient.

Cet outil utilise plutôt la segmentation de texte Unicode que le navigateur lui-même implémente, qui applique des règles conscientes de la langue pour identifier les limites de mots plutôt que de supposer qu'un espace en marque chacune. C'est pourquoi il rapporte un compte sensé pour du texte mixte ou non latin là où un outil plus simple rapporterait quelque chose proche de l'absurde.

Le chiffre de 238 mots par minute utilisé par cet outil pour la lecture silencieuse provient d'une grande méta-analyse de 2019 d'études sur la vitesse de lecture, et c'est une moyenne de population plutôt qu'un fait sur un lecteur précis — la vitesse de lecture réelle varie énormément selon la familiarité avec le sujet, la difficulté du texte, et le lecteur individuel, facilement d'un facteur deux dans un sens ou l'autre. Le nombre affiché est utile comme estimation de planification — approximativement combien de temps un texte prendra pour un lecteur typique — pas comme une prédiction précise pour une personne précise.

Le temps de parole utilise un rythme plus lent et distinct car la livraison parlée se cadence différemment de la lecture silencieuse : un présentateur lisant un script à voix haute clairement, avec un rythme et des pauses normaux, se déplace à quelque chose de plus proche de 130 mots par minute, donc les deux chiffres affichés ne sont pas simplement le même nombre mis à l'échelle.

Une liste des mots les plus utilisés dans un écrit est une aide pratique à l'édition plutôt qu'une curiosité : les écrivains ont tendance à revenir inconsciemment à la même poignée de mots, et un texte qui s'appuie beaucoup sur « très », « juste », ou un adjectif particulier se lit comme répétitif d'une façon difficile à remarquer en écrivant mais évidente une fois signalée. Voir le compte de fréquence réel transforme un vague sentiment que quelque chose se lit répétitif en une liste précise et exploitable de mots qu'il vaut la peine de varier.