Calculateur de diversité lexicale

Comment utiliser le calculateur de diversité lexicale

1. Collez votre texte. Utilisez au moins quelques centaines de mots si vous le pouvez ; les textes très courts obtiennent presque automatiquement un score élevé.
2. Appuyez sur Calculer. Les résultats ne se mettent pas à jour pendant la saisie : appuyez de nouveau sur le bouton après chaque modification.
3. Lisez les quatre scores. Total de mots, mots uniques, TTR en pourcentage et TTR racine.
4. Regardez le verdict et les mots répétés. Une appréciation en langage clair suit les scores, et le tableau liste jusqu'à dix mots qui apparaissent au moins deux fois.

Ce que signifient les scores

La diversité lexicale mesure la variété du vocabulaire d'un texte. La mesure la plus simple est le ratio types-occurrences : le nombre de mots différents (types) divisé par le nombre total de mots (occurrences).

• TTR = mots uniques ÷ total de mots. Il va de presque 0 (les mêmes quelques mots répétés) à 1, affiché ici en pourcentage.
• TTR racine = mots uniques ÷ √(total de mots), souvent appelé indice de Guiraud. Il baisse moins vite à mesure que les textes s'allongent, ce qui le rend plus équitable lorsque les longueurs diffèrent modérément.

L'outil donne un verdict simple : en dessous de 40 %, la variété est faible ; de 40 % à moins de 60 %, elle est habituelle ; à partir de 60 %, elle est élevée. Ces seuils sont des repères pour des passages de quelques centaines de mots. Ils ne s'appliquent ni à une phrase de 20 mots ni à une thèse de 50 000 mots.

Exemple détaillé

Collez ce paragraphe de 56 mots : Sleep consolidates memory. During deep sleep the brain replays the day's events, strengthening connections that matter and pruning those that do not. Students who sleep well tend to remember more of what they studied, and they solve problems faster. Skipping sleep to study longer often backfires, because the facts that were crammed are never stored properly. Il compte 46 mots uniques : le TTR est donc de 82,1 % et le TTR racine de 6,15, que l'outil lit comme une variété élevée. « sleep » est le mot le plus employé, avec quatre occurrences.

Collez maintenant deux fois le même paragraphe. Rien de nouveau n'est dit, mais le texte compte 112 mots, avec toujours seulement 46 mots uniques : le TTR baisse à 41,1 % et le TTR racine à 4,35. Le même texte obtient une variété deux fois moindre, ce qui montre à la fois que la répétition abaisse le score et que la seule longueur le fait aussi baisser.

Pourquoi la longueur fausse le TTR

Chaque texte réutilise des mots courants comme « le », « de » et « et » : plus il est long, plus la part de ces reprises augmente. Le TTR baisse donc à mesure qu'un texte s'allonge, quel que soit le vocabulaire de l'auteur. Un échantillon de 100 mots et un de 1 000 mots écrits par le même auteur ne donneront pas le même TTR. Ne comparez les scores qu'entre des textes de longueur similaire, idéalement coupés au même nombre de mots.

Les chercheurs utilisent des mesures conçues pour réduire cet effet, comme le MTLD et le HD-D (voir McCarthy et Jarvis, 2010, dans Behavior Research Methods). Cet outil ne les calcule pas : utilisez-le pour réviser et pour des comparaisons approximatives, et non comme une mesure de qualité recherche.

Comment les mots sont comptés

Le texte est mis en minuscules et découpé en suites de lettres et de chiffres ; une apostrophe reste à l'intérieur d'un mot. Ainsi, aujourd'hui ne compte que pour un seul mot, que l'apostrophe soit droite ou courbe, comme celles que produisent de nombreux traitements de texte. Les lettres accentuées comptent comme des lettres, donc café est un seul mot. Les nombres comptent comme des mots. Un trait d'union sépare un mot en deux : bien-connu compte pour deux. Il n'y a pas de lemmatisation : marche, marches et marché sont trois mots différents.

De quel outil avez-vous besoin ?

Questions fréquentes

Qu'est-ce que la diversité lexicale ?

C'est la mesure de la variété du vocabulaire d'un texte, c'est-à-dire le nombre de mots différents comparé au nombre total de mots. Elle sert dans l'enseignement de l'écriture, l'évaluation des langues et la recherche sur corpus.

Quel est un bon ratio types-occurrences ?

Il n'existe pas de cible universelle. Pour quelques centaines de mots de prose explicative claire, 40 % à 60 % est habituel, et l'outil parle alors de variété habituelle. Des scores plus élevés sont courants dans les textes courts et plus bas dans les textes longs : comparez des choses comparables.

Qu'est-ce que le TTR racine ?

Le TTR racine, ou indice de Guiraud, est le nombre de mots uniques divisé par la racine carrée du nombre total de mots. Il réduit, sans la supprimer, la baisse du TTR simple à mesure que les textes s'allongent.

Pourquoi mon score baisse-t-il quand je colle davantage de texte ?

Parce que les textes plus longs réutilisent davantage de mots. Le TTR mesure la part de mots nouveaux, et cette part diminue à mesure que le texte grandit. Cela ne signifie pas que votre vocabulaire s'est appauvri.

Le calculateur retire-t-il les mots vides ou regroupe-t-il les formes d'un même mot ?

Non. Il compte chaque mot, y compris « le » et « de », et traite chaque graphie séparément : « marche » et « marches » sont deux mots différents. Compter tous les mots est la façon habituelle de présenter le TTR.

Comment augmenter la variété de mon écriture ?

Regardez le tableau des mots les plus répétés. Lorsqu'un mot revient sans raison, variez-le ou reformulez la phrase. Ne remplacez pas un terme technique exact par un synonyme : répéter un terme clé aide souvent le lecteur.

Mon texte est-il téléversé ?

Non. Les scores sont calculés dans votre navigateur, et le texte n'est envoyé nulle part.