Mesurer les mots (lemmes)
Nous présentons ici un sujet un peu inédit, quels sont les écrivains les plus riches en contenu (et à l'inverse les plus "pauvres").
De toute l'histoire de littérature, sans embrasser bien sûr les dizaines de milliers d'auteurs français ou étrangers traduits, le principe à la fois de l'échantillon reste vrai, et celui de référencer les grands noms également.
Nous avons calculé le nombre de mots différents (et donc uniques) pour chaque écrivain, et nous avons repris le nombre de lemmes (un lemme est une sorte de racine commune par mot et verbe (ex. maison = maisons, est=était=fut...)). La diversité lexicale est normalisée dans le périmètre du vocabulaire reconnu par Morphalou 3.
Morphalou3 est un lexique informatique ouvert et à large couverture des formes fléchies du français (159 271 lemmes, unités de base d’un mot, et 976 000 formes), développé par l’ATILF (Analyse et traitement informatique de la langue française, une unité conjointe du CNRS et de l’Université de Lorraine).
Sur une large base, quelques chiffres (K=milliers ; M : millions)
Un livre en moyenne contient selon notre échantillon de 4000 livres et 1300 auteurs de toutes époques (bien plus en livres réels car nous avons pris, quand cela était possible ou disponible, les oeuvres complètes) environ 6 700 mots (lemmes) différents. Précision utile : en français, la totalité des noms communs, formes verbales... est de 976 000 (donc 976 K).
Quelques repères
Plus un écrivain écrit, plus son nombre de mots, mêmes uniques, augmente. Cela veut dire que l'auteur ne se cantonne pas à un "vocabulaire" réduit dans son oeuvre. Le top 10 sur les mots uniques est par ordre décroissant :
Alexandre Dumas
Jules Verne
Victor Hugo
Jean d'Ormesson
Honore de Balzac
Italo Calvino
Flaubert
Agatha Christie
Kadare Ismael
Chateaubriand
Le top 15 sur les lemmes (racines uniques de mots), cela change complètement. Cela veut dire que les écrivains exploitent au mieux la richesse de la langue française :
Stefan Zweig
Le Clezio
Hubert Haddad
Marguerite Yourcenar
Philippe Sollers
Éric-Emmanuel Schmitt
Henry James
Pascal Quignard
Thomas Pynchon
Salman Rushdie
Sylvain Tesson
Jacques Roubaud
Giono Jean
Raymond Queneau
Nabokov
Dino Buzzati
Sylvie Germain
Erik Orsenna
Jean Christophe Rufin
Les philosophes
Nous avons testé ces mesures chez les grands philosophes (Kant, Hegel, Leibniz Spinoza, Wittgenstein, Alain, Ricoeur, Foucault, ... 200 livres parfois des œuvres complètes) et cela donne en résumé : Nombre de mots (lemmes) différents : 6 800, à peine plus que notre base "littérature".
Le top 30, par ordre décroissant de lemmes, les 3 premiers étant vraiment largement au-dessus :
Jean Paul Sartre
Michel Foucault
Jankelevitch
Jacques Bouveresse
Bachelard, Gaston
Lucien Jerphagnon
Schopenhauer
Deleuze
Vladimir Jankélévitch
Raymond Aron
Paul Ricoeur
Hegel
Heidegger
Bertrand Russell
Hannah Arendt
Max Weber
Merleau-Ponty
Pascal
Rene Girard
Levinas
Voltaire
Simone Weil
Platon
Friedrich Nietzsche
Derrida
Diderot
Alain
Lucrece
Virgile
Montaigne
et bas du classement, avec toute la prudence à avoir :
Epicure
Husserl
Habermas
Fichte
Marc Aurele
Karl Jaspers
Epictete
Georges Berkeley
Leibniz
Si l'on analyse désormais le nombre de lemmes par rapport aux mots uniques, cela donne la concision des mots employés. Le top 15 :
Walter Benjamin
Emmanuel Levinas
Kierkegaard
Marcel Conche
Adorno
Confucius
Erasme
Epictete
Habermas
Schopenhauer
Marc Aurele
Nietzsche
Levinas
Jankelevitch
Les 10 derniers, c'est-à-dire le nombre de lemmes rapportés aux mots distincts, donc moins de lemmes par rapports aux mots uniques :
Kant
Bergson
Xenophon
Descartes
Montesquieu
Plutarque
Seneque
Tertullien
Diderot
Voltaire
Saint Augustin
Densité littéraire
Revenons sur la partie du champ littéraire. Si l'on considère donc, comme ci-dessus, la densité des lemmes versus les mots uniques sur la totalité du corpus du livre (ou oeuvres complètes), le classement des premiers ressort ainsi (nous avons enlevé manuellement des titres ou auteurs peu connus) :
Saint-John Perse
Nicolas Bouvier
Maylis de Kérangal
Djemai Abdelkader
Joseph Delteil
Seamus Heaney
Jean-Loup Chiflet
Aloysius Bertrand
Bergounioux Pierre
Arthur Rimbaud
Frederic Schiffter
Régis Debray
Edmond Jabes
Gerard Oberle
Éric Vuillard
Tatiana de Rosnay
C.S. Richardson
JMG Le Clézio
Emile Verhaeren
André Velter
Hrabal Bohumil
Jean-Marie Blas de Robles
Duault Alain
Jean Follain
Le bas du classement, donc des lemmes moins nombreux par rapport aux mots uniques, est le suivant :
Flaubert
Kadare Ismael
Emile Zola
Agatha Christie
Rousseau
Chateaubriand
Jules Verne
Ciceron
Victor Hugo
Honore de Balzac
Alexandre Dumas
Conclusion & Ouverture
Il existe deux indices différents, dits de Guiraud et Herdan, qui mesurent un peu différemment le nombre de mots rapportés au total, neutralisant globalement les effets de longueur des oeuvres. Ce qui nous importe est de voir que plus le texte de l'oeuvre est long, plus le nombre de mots uniques augmente, mais pas forcément le nombre de lemmes.
La mesure visant à la concision dans les résultats ci-avant correspond globalement à la réalité de lecture, de nos lectures. Des auteurs emploient ainsi des formes, lemmes et mots uniques, plutôt dans la concision.
Enfin, nous avons testé un livre écrit par l'IA, de 237 pages, 93000 mots, dont 8893 mots uniques et 6986 lemmes (soit un taux de 75%). Ce livre figure parmi les 25 moins bons du classement. Pour information, et sans jugement de valeur.