Par Xavier Marjou (relecture Christophe Benzitoun)
Nous le savons toutes et tous : apprendre à écrire le français demande des années d’efforts, des heures de dictées et une bonne dose d’abnégation. Mais à quel point notre orthographe est-elle complexe par rapport à celles d’autres langues ? S’agit-il d’une simple impression ou d’une réalité mesurable ?
Une étude de 2021[1] s’est penchée sur la question en utilisant un réseau de neurones artificiels (une intelligence artificielle) pour évaluer la « transparence » de plusieurs systèmes d’écriture. Les résultats donnent sérieusement à réfléchir sur l’utilité de nos dogmes orthographiques actuels.
Qu’est-ce qu’une orthographe « transparente » ?
Pour transcrire une langue orale, un alphabet peut permettre de passer simplement du son à la lettre. En linguistique, on dit qu’une orthographe est « transparente » lorsqu’elle utilise une correspondance systématique de un-à-un entre les sons (phonèmes) d’une langue et les lettres (graphèmes) de son alphabet. Dans un tel système, le codage d’un son en lettre, ou le décodage d’une lettre en son, ne laisse place à aucune hésitation.
Mais dans la réalité, aucune orthographe n’est totalement transparente. Cependant, certains systèmes d’écriture, comme ceux du français et de l’anglais, sont très éloignés d’une orthographe transparente, créant ainsi des difficultés considérables.
Le match des langues : le français sur le banc des cancres
Dans le cadre de l’étude mentionnée plus haut, un modèle d’IA nommé OTEANN a été entrainé à écouter un mot prononcé et à en deviner l’orthographe (tâche d’écriture), et inversement à lire un mot et à en deviner la prononciation (tâche de lecture) sur un panel de 17 systèmes orthographiques. L’objectif n’était pas de construire un correcteur orthographique parfait, mais de mesurer le degré de transparence phonémique des différentes langues.
Les résultats confirment nos pires soupçons :
- Les bons élèves : Le finnois, le coréen, le serbo-croate et le turc sont des langues dont l’orthographe est hautement transparente. Leurs scores dépassent les 80 % de réussite tant en lecture qu’en écriture.
- Les cancres de la transparence : Le français, aux côtés de l’anglais et du chinois, est classé comme hautement opaque.
- Le cauchemar de la dictée : En se basant uniquement sur la correspondance entre les sons et les lettres, l’IA n’avait que 28 % de chances d’écrire correctement un mot français.
Le piège des mots isolés et des homophones
Il faut toutefois apporter une précision importante sur la méthode employée. Face au nombre élevé de combinaisons possibles entre phonèmes et graphèmes, l’IA a été incapable de prédire l’orthographe correcte de manière fiable sans avoir accès à un contexte plus large que le mot lui-même. En effet, le modèle utilisait intentionnellement des échantillons composés de mots uniques. Cette approche pénalise inévitablement les orthographes qui s’écrivent différemment pour des mots qui se prononcent de la même manière (ce que l’on appelle les homophones). Par exemple, face à la prononciation /ale/, l’IA a prédit « allez » alors que la cible attendue était « aller ». Ce type d’erreur est inévitable puisque la machine ne peut pas s’appuyer sur les mots voisins dans la phrase comme contexte supplémentaire pour faire la distinction.
Le cout cognitif de l’opacité : un temps précieux perdu
Même en tenant compte de ce biais lié aux homophones, l’aspect le plus frappant de cette étude réside dans l’analyse de la courbe d’apprentissage. L’étude met en lumière le gouffre qui sépare l’apprentissage d’une langue transparente d’une langue opaque :
- L’IA avait plus de 85 % de chances d’écrire correctement un mot en finnois, en italien ou en serbo-croate en ayant été entrainée sur seulement 1 000 mots.
- Pour le français (et le chinois), même après s’être entrainée sur 10 000 mots, les chances de succès de l’IA stagnaient sous la barre des 30 %.
Comme le souligne l’auteur de l’étude, cette différence illustre l’énorme cout supplémentaire, en termes de temps et d’énergie, que requiert l’apprentissage d’une orthographe opaque comme celle du français.
Vers une rationalisation de notre écriture ?
Ce constat pose une question éducative majeure. Tout ce temps dépensé par les élèves pour mémoriser des chaines de lettres arbitraires, des lettres muettes et des exceptions liées à des choix (parfois des erreurs) historiques, c’est autant de temps soustrait à l’apprentissage de la syntaxe, du vocabulaire ou de la pensée critique.
À titre de comparaison, l’étude a testé « Ortofasil[2] », une proposition d’orthographe phonémique alternative pour le français. Avec ce système d’écriture simplifié, l’IA a obtenu un score spectaculaire de 99 % en écriture et 90 % en lecture. Il ne s’agit évidemment pas de survendre « Ortofasil » comme la solution miracle ni de l’adopter telle quelle. Néanmoins, cette expérience fait office de preuve de concept implacable.
Si une machine dotée de millions de paramètres a besoin de dix fois plus de temps pour échouer à écrire correctement notre langue, il est peut-être temps d’arrêter de blâmer les élèves et d’envisager sérieusement de faire évoluer le système qu’on leur impose.
[1] OTEANN : Estimation de la transparence des orthographes à l’aide d’un réseau de neurones artificiels, https://aclanthology.org/2021.sigtyp-1.1.pdf, en anglais uniquement.