Les mots et les choses dans les titres de la presse française

L'analyse lexicologique porte sur l'ensemble des termes présents dans les titres du corpus : tous les nouveaux titres et tous les hors-séries depuis 2003, soit 24 080 titres. Sont exclus de la collecte les titres de jeux et mot croisés, les titres de la presse syndicale et d'entreprise, de la presse des administrations territoriales, de la presse électorale, associative, etc.

Avant le comptage, nous avons effecué un nettoyage en plusieurs étapes. D'abord en excluant les signes de ponctuation (on compte 1092 points d'exclamation et 246 points d'interrogation), puis en évacuant les mots-outils et mots vides (stop words) : prépositions, conjonctions, articles, pronoms. Enfin, nous avons pratiqué une lemmatisation pour ne garder des mots que leur forme canonique (infinitif, masculin, pluriel). Sont regroupées à cette occasion les orthographes diverses d'un même terme (erreurs, translittérations variables de mots arabes, chinois, japonais, russes, turcs), des équivalences (& / et), recours ou non au tiret, abrévations, abandon ou non de signes diacritiques (accents)...

Source : Base presse MM (le comptage est arrêté au 1er décembre 2015). Cette statistique est issue d'un travail de recherche

dont les principaux résultats ont fait l'objet d'une communication au séminaire Média de l'IREP en décembre 2015.

L'histogramme obtenu pour la distribution des mots évoque la loi de Zipf. Une longue traîne de mots dont peu de mots émergent en tête de distribution.

La syntaxe des titres ne fait pas dans le sentiment (ou très rarement), elle est strictement dénotative faite de juxtapositions (parataxe de mots), de génitifs. On compte 5 144 prépositions "de", 2 004 conjonction "et" (hypotaxe), 1 017 "en".
"Vous", vocatif de l'apostrophe est présent 118 fois avec les adjectifs possessifs "votre" et "vos" (509) : injonctions à la participation, à l'appropriation, à la personnalisation de la réception peut-être (cf. le nombre de points d'exclammation : 1092 contre 246 ). Acte de langage, valeur performative. "Montez votre PC 100% gaming" (H-S PC Gamer), "Votre grand horoscope", "Réussir votre prépa" (Jogging international), "Votre histoire", "Rénover votre maison" (H-S Viva déco),  Défendez vos droits, "Les médicaments et vous" (H-S Notre Temps), etc.

Au terme de cette analyse, qu'avons-nous pu apprendre ?

• Le mot le plus fréquent est "guide", il appartient à la définition d'un genre intervenant dans la composition d'un magazine tout comme les mots "recettes", "achat" et "idées". La dimension primordiale de la presse française, et la raison essentielle de son succès, est sa fonction d'utilité (cardinale), la satisfaction des consommateurs (lecteurs utilisateurs). 

• Passés les 1 000 premiers mots, on peut observer une longue longue traîne de 13 000 mots mobilisés par les titres. Effet indirect de la loi Bichet : la presse magazine est diverse, changeante, riche. Des milliers de mots n'ont qu'une occurence. Richesse de mots, diversité d'idées ?

Les mots qui suivent le mot "guide" (fréquence décroissante) énoncent des thèmes, des domaines d'application de ces genres : cuisine, automobile, maison, histoire, sport... Cette liste corrobore celle des domaines distingués dans l'analyse en catégories et centres d'intérêt.
Le titre, s'il est l'élément majeur du paratexte -pour reprendre l'expression de Gérard Genette dans Seuils, relève surtout du marketing, qu'il s'agisse des titres de presse ou des titres de livres. Il appartient d'abord au packaging.

Orthographe : de la dictée au moteur de recherche, du magazine au scrabble

.
Timbrés de l'orthographe, (sous-titre : A lire sans faute). Trimestriel, 100 pages, tiré à 25 000 exemplaires, 4,9 €

Les Editions de l'Opportun, éditrices de ce magazine, ont mis en place un concours national de dictée (25 000 participants déclarés, avec finale dans un amphi de la Sorbonne) ; le magazine en publie corrigés et palmarès. Institution, le concours est parrainé par La Poste, défenseur des lettres et du courrier, d'où le titre du magazine ; il a le soutien du ministère de l'éducation, du Figaro littéraire...
Les Editions de l'Opportun commercialisent une gamme de produits orthographiques dérivés (guides pratiques, jeux), dont le magazine fait la promotion. Aucune autre publicité n'y est présente.
Le contenu du magazine est en grande partie didactique : exercices à trous, dictées préparées avec les "difficultés expliquées", comme à l'école. Il s'agit d'entraîner des lecteurs aux compétitions d'orthographe. Le magazine s'intéresse aussi, de manière plus désintéressée, à la langue française et publie des rubriques sur le secret oublié des expressions, l'évolution des mots, les publications récentes sur le thème.

"Science des ânes" ? "Politesse de la langue" ? Maladie ? Car on a médicalisé la faute d'orthographe : disorthographie ! Tout Français a vécu une partie de son enfance ballotté entre 0 et 5 fautes d'orthographes. Ce souci de l'orthographe et de ses pièges le poursuit : toute sa vie, il / elle sera jugé(e) sur son orthographe (stigmate) ; tout au long de sa vie, il jugera ses collègues et ses petits chefs, ses correspondants sur l'orthographe. Orthographe dans les copies de concours et d'examens, dans les CV et dans les courriers, dans les lettres d'amour même. L'orthographe a encore cours sur le marché de l'emploi et sur le marché matrimonial (cf. la chanson de Serge Gainsbourg, "En relisant ta lettre"). L'indignation orthographique a de l'avenir : l'orthographe est un filon éditorial riche d'autant que le Web y ajoute les fautes de frappe (typos, indissociables des claviers et de leur ergonomie), les corrections intempestives des logiciels de correction orthographique / typographique et des moteurs de prédiction (T9), le mélange avec les langues proches, les abréviations qui se propagent au-delà des textos... Orthographe et scrabble aussi (cf. infra, le hors série de Timbrés de l'orthographe, décembre 2016). D'ailleurs l'orthographe est associé aux jeux (cf. Scrabble magazine).
Pourquoi l'orthographe est-elle si importante ? On peut y déceler des explications sociologiques et politiques mais aussi, avec le numérique, des raisons techniques, donc économiques.

• Explications sociologiques et historiques

L'orthographe a une valeur symbolique, Victor Hugo n'identifie-t-il pas que le mal à une "Faute d'othographe de Dieu" (1859) ? Héritée du certificat d'études primaires (CEP, 1866-1989), la dictée a été, avec l'écriture, le premier critère de réussite pour l'éducation scolaire obligatoire. Au CEP, 5 fautes à la dictée était éliminatoire. L'orthographe était avec l'écriture (que l'on évaluait à l'occasion de la dictée) le pilier de la culture scolaire, la faible distinction de ceux qui n'ont pas fréquenté longtemps l'école. La dictée reste déterminante au Brevet des collèges (cf. La dictée.fr). Aussi, réformer l'orthographe risque de dévaluer le capital culturel de ceux qui n'ont pour tout bagage et toute fierté scolaires que de l'avoir apprise et ne l'avoir pas oubliée.
D'obsession, de crainte, l'orthographe est devenue un divertissement, la dictée un jeu, de celle plutôt mondaine de Mérimée à celle télévisée de Pivot. Timbrés de l'orthographe en est l'illustration. Dans les pays anglophones, des concours existent également, Spelling Bees. La télévision s'est emparée très tôt de la passion orthographique : le premier des game shows, diffusé en 1938 sur la BBC, était consacré aux spelling bees. "Des Chiffres et des lettres", émission lancée en France en 1965, aujourd'hui sur France 3 et TV5, a une forte présence internationale, publie une appli, des jeux de société, etc. En novembre 2012, Mondadori lance un trimestriel "Des chiffres et des lettres magazine".

• Explications politiques

Touchant à la langue officielle et à l'enseignement, l'orthographe et ses réformes sont affaire d'Etat(s) ; elles mettent en branle l'Académie française, les institutions de la francophonie internationale, les institutions éducatives, les médias... La question de sa réforme revient régulièrement, sous la pression des administrations scolaires, mobilisant des linguistes, des sociologues : diminuer la difficulté de l'orthographe pour améliorer la réussite scolaire, pour faciliter l'apprentissage de la langue française par les étrangers ? Produit de la tradition et de la convention, résultante de nombreuses couches d'arbitraire sédimentées depuis plusieurs centaines d'années, l'orthographe est même souvent perçue comme un patrimoine à conserver (cf. l'édito du magazine).

• Orthographe et numérique

Les médias numériques donnent une dimension nouvelle à l'orthographe car elle affecte les performances des moteurs de recherche lexicaux (10% d'erreurs d'orthographie dans les requêtes, selon Google). Par voie de conséquence, l'orthographe concerne aussi le SEO, à travers l'orthographe des sites, des requêtes, des traductions automatique, imposant à l'exploitation des données lexicales une lemmatisation vigilante (cf. Orthographe. De la dictée au moteur de recherche). Des algorithmes de détection et de correction des fautes d'orthographe sont développés (cf. nécessité d'anticiper les typos et les fautes d'orthographe, ex. Keyword Typo Generator, etc.). La question globale de l'orthographe devra sans doute être repensée dans cette perspective.


Pour aller (un peu) plus loin
L'orthographe, plaisir des yeux. Compte-rendu du livre de Bernard Cerquiglini sur L'Histoire de l'orthographe française
Conseil Supérieur de la langue française, Les rectifications de l'orthographe, 1990
Spelling correction for Search engine Queries
Nuance, T9 The Global Standard for Mobile Text Input
et un film sur les concours d'orthographe aux Etats-Unis : Spellbound, 2002 (Jeffrey Blitz)

L'expansion du lexique. Les mots du Web

.

Au début de février 2011, l'anglais comptait 1 008 879 mots selon le Global Language Monitor (GLM) et 1 022 000 selon la Harvard Google/Study qui a compté les mots présents dans 15 millions de livres et révèle que cet univers lexical est en expansion au rythme de 160 mots par semaine. Ces comptages, pour discutables qu'ils soient, dans leur principe et dans leur marketing, sont sans doute réalistes. Déjà, remarque un lexicologue, il existe au moins un million d'insectes et chacun a son nom...

En comparaison de ces comptages sur le Web, The Oxford English Dictionary (OED, 1989, papier) ne propose que 301 100 entrées dans son édition de 2005. Ce nombre double (616 500) lorsque l'on prend en compte les mots dérivés, les composés, etc. L'édition en ligne (ODO), libérée des contraintes matérielles (encombrement), croît à  raison de 2 500 mots par trimestre (révisions comprises) et elle s'en tient à la synchronie, l'OED couvrant les aspects diachroniques (évolution des mots). Sur ce dernier point voir OED vs ODO.

Le GLM a une politique encore plus ouverte que l'OED, acceptant largement tous les mots, y compris ceux issus du tissage de mots anglais avec des mots d'autres langues (chinois, espagnol, hindi, etc.), les termes inventés par le cinéma (hollywords), etc. 

• Les frontières du corpus qui donne naissance à un dictionnaire sont floues. Qu'est ce qu'un mot qui n'est compris que par quelques uns ? Quand un mot inusité cesse t-il d'être pris en compte ? Quelle fréquence d'usage, quelle extension géographique ? Que faire des mots de spécialistes (sciences, techniques), des régionalismes, des sociolectes et géolectes ? La délimitation est arbitraire ; il n'est pas commode d'établir le périmètre des mots d'une langue.
• Dans la plupart des cas, on recense les mots écrits, les corpus étant puisés dans des livres, des journaux. Mais les mots que l'on dit, que l'on entend, comment les recenser ? Rares sont les bases de mots issues de l'oralité ; le Français fondamental de Georges Gougenheim élaboré dans les années 1950, à fin didactique, en ce domaine, fut révolutionnaire. 
• Il ne peut exister d'échantillon représentatif des mots d'une langue car il ne peut exister de base de sondage d'où l'on pourrait tirer des mots de manière aléatoire.

Le Grand Robert compte 100 000 mots (et 800 000 formes fléchies, soit en moyenne 8 formes fléchies par mot). On on estime que le vocabulaire français passe à 700 000 termes et au-delà lorsque l'on incorpore le français technique et diverses créations lexicales récentes. Ainsi, d'un dictionnaire traditionnel à l'enregistrement de toutes les pratiques présentes par écrit sur le Web, le nombre de mots varie de 1 à 10. 

Et de touts ces mots, on dit que les Français n'utilisent en moyenne que 3 000 à 30 000, selon leur capital culturel et scolaire.

• Le lexique d'Internet est 250 fois plus riche que le vocabulaire courant (25 fois plus riche que celui du public dit cultivé). Donc la fréquence des mots est fondamentale, donc leur lemmatisation aussi. Plus la fréquence d'un mot est basse (son rang élevé), plus il est probable qu'il est discriminant (cf. les travaux de Zipf, revus par Benoît Mandelbrot, à partir des résultats de Claude E. Shannon). 
• Sans lemmatisation, l'orthographe brouille tous les calculs ; la maîtrise de l'orthographe varie selon l'âge et selon le capital culturel, cf. l'échelle Dubois-Buyse). Certaines "fautes" d'orthographe ont une source et une valeur socio-linguistiques (elles ciblent), d'autres sont des fautes de frappe (mais on dit que ces fautes - typo- rapporteraient gros sous la forme de typosquatting !).

Références 

Claude E. Shannon, Warren Waever, The Mathematical Theory of Communication, 1949

François Ters, Georges Mayer, Daniel Reichenbach, L'échelle Dubois-Buyse, 1988

Pierre Bourdieu et al., Rapport pédagogique et communication, 1968
Léon Brillouin, La science et la théorie de l'information, 1959 (Editions Jacques Gabay, 1988)
Benoit Mandelbrot,"Information Theory and Psycholinguistics", in Language by R.C. Oldfield and J.C. Marshall, 1968 pp. 263-275.

.