Combien de caractères chinois faut-il vraiment pour lire ?

Les analyses de fréquence du chinois écrit moderne donnent une réponse en forme de courbe, pas un chiffre unique : les 1 000 caractères les plus courants couvrent environ 90 % des textes du quotidien, 2 000 font monter la couverture au-delà de 95 %, et 2 500 à 3 000 permettent de lire la presse confortablement. Mais ce chiffre de « couverture » est plus trompeur qu’il n’en a l’air, et comprendre pourquoi compte davantage que de retenir les chiffres.

Cet article te donne la vraie courbe de couverture, les seuils par type de contenu et, ce que la plupart des articles sur le nombre de caractères passent sous silence, la raison pour laquelle atteindre un pourcentage de couverture ne veut pas dire comprendre ce pourcentage du texte.

Pourquoi « caractères connus » ne veut-il pas dire « texte lisible » ?

Parce que la fréquence et le sens ne sont pas répartis de façon égale. Les caractères qui reviennent le plus souvent dans n’importe quel texte chinois sont surtout des caractères grammaticaux et fonctionnels : 的 (de), 了 (le), 是 (shì), 在 (zài), 不 (bù). Ce sont des mots qui tiennent la phrase ensemble mais portent peu de contenu à eux seuls. Ils affichent d’énormes chiffres de couverture justement parce qu’ils apparaissent tout le temps, dans chaque phrase, quel que soit le sujet.

Autrement dit, les caractères « manquants », à n’importe quel niveau de couverture, sont surtout des mots pleins : les noms, les verbes et les termes propres au sujet qui portent réellement le message. Connaître 90 % des caractères d’un article sur l’économie ne veut pas dire comprendre 90 % de ce qu’il dit si les 10 % inconnus sont justement les termes économiques dont parle l’article. Les pourcentages de couverture indiquent raisonnablement l’effort que demandera la lecture, pas directement le niveau de compréhension : prends-les pour ce qu’ils sont.

Combien de caractères faut-il d’après les corpus de fréquence ?

Voici la forme générale de la courbe, d’après le type d’analyse de fréquence utilisé par des ressources comme Dong Chinese et par les listes de fréquence issues de corpus chinois universitaires. Ce sont des approximations largement citées, pas des chiffres exacts : selon le corpus (presse, fiction, écrits du quotidien), les chiffres bougent légèrement.

Ce qui compte ici, c’est la forme : une montée raide au début puis une longue traîne plate. Tes 1 000 premiers caractères t’apportent la majorité de la couverture générale, tandis que la dernière portion, de 2 000 à plus de 3 000, apporte comparativement moins de couverture par caractère. Mais c’est précisément cette dernière portion qui comble l’écart de compréhension décrit plus haut, parce qu’elle est composée surtout de mots pleins.

Combien de caractères faut-il pour chaque type de contenu ?

Les pourcentages de couverture sont abstraits ; les types de contenu sont concrets. Notre échelle de lecture complète détaille tout cela échelon par échelon, mais en bref :

• Lectures graduées (niveau HSK 1 à 3) : construites sur ~150 à 600 caractères, entièrement lisibles par conception quel que soit le pourcentage de couverture, parce que le texte est écrit pour ton vocabulaire et non l’inverse.
• Manhua et contenus natifs informels : autour de ~1 000 caractères, cela commence à devenir praticable ; vois comment lire des manhua en chinois.
• Actualité graduée et générale : environ ~1 500 à 2 500 caractères, car le vocabulaire de la presse est soutenu et couvre des sujets variés.
• Journaux, romans, contenus généraux pour adultes : environ ~2 500 à 3 000 caractères, en ligne avec le tableau de couverture ci-dessus.
• Web novels et autres fictions de genre natives : techniquement un nombre de caractères proche de celui de la presse, mais le jargon propre au genre (surtout en xianxia et wuxia) ajoute une couche de vocabulaire distincte que les listes de fréquence captent mal.

Comment cela se compare-t-il aux objectifs de caractères du HSK ?

De près, et c’est voulu plutôt que fortuit : les listes de vocabulaire et de caractères du HSK ont été construites en tenant compte des données de fréquence, en plaçant les caractères les plus utilisés dès les premiers niveaux. En HSK 2.0, le HSK 6 correspond à environ 2 600 caractères, bien en ligne avec le seuil d’environ 2 500 à 3 000 caractères pour la presse vu plus haut. Avec la nouvelle norme HSK 3.0, le plafond sur l’ensemble des neuf niveaux monte à environ 3 000 caractères ; vois notre tableau des caractères par niveau HSK et notre comparaison HSK 3.0 vs 2.0 pour les chiffres niveau par niveau sous les deux normes.

À retenir en pratique : si tu suis un plan d’étude HSK et que tu atteins le HSK 4-5 (2.0), tu es déjà bien avancé sur la courbe de couverture par fréquence, même si personne ne te l’a présenté ainsi.

Les locuteurs natifs en connaissent-ils vraiment beaucoup plus ?

Un peu, mais l’écart est plus faible qu’on ne le croit. Un adulte natif bien instruit reconnaît en général de l’ordre de 4 000 à 6 000 caractères, alors que le seuil de « littératie du quotidien » visé par la plupart des programmes d’alphabétisation et par les listes de caractères d’usage courant du ministère chinois de l’Éducation se situe plutôt vers 3 000. La différence entre « lecteur à l’aise » et « lecteur natif » tient donc à quelques milliers de caractères spécialisés, rares et classiques, et non à la lecture de base que tu pratiques au quotidien. Tu n’as pas besoin du bagage d’un natif pour lire confortablement ; tu as besoin de combler l’écart entre environ 1 000 (fonctionnel) et 3 000 (confortable), une cible réaliste et bien délimitée.

Que faire cette semaine ?

Si tu cherches à savoir combien de caractères il te faut vraiment :

1. Arrête de voir 3 000 caractères ou plus comme un prérequis pour commencer à lire. Les lectures graduées fonctionnent avec 150 à 600 caractères par conception ; vois quand peut-on commencer à lire en chinois.
2. Vise ~1 000 caractères comme premier vrai palier. C’est là que les textes du quotidien commencent à se lire plutôt qu’à se déchiffrer.
3. Ne confonds pas couverture et compréhension. En montant sur la courbe, attends-toi à ce que ce qui te manque encore soit des mots pleins, pas des particules grammaticales.
4. Vise ~2 500 à 3 000 pour lire la presse à l’aise, et considère tout ce qui va au-delà comme une spécialisation (fiction de genre, chinois classique, domaines techniques) plutôt que comme une exigence de littératie générale.
5. Construis tes caractères par la lecture, pas par des listes. L’exposition par fréquence se fait toute seule quand tu lis des contenus gradués chaque jour : pas besoin d’apprendre une table de fréquence par cœur pour en profiter.

Le chiffre honnête est une courbe, pas un palier : environ 1 000 caractères pour commencer à lire de vrais textes, environ 3 000 pour lire presque tout confortablement, et c’est la lecture elle-même, pas le total de tes cartes mémoire, qui te fait monter cette courbe le plus vite. Les histoires graduées du HSK 1 au HSK 6 de Coco Chinese sont construites autour de cette ascension, en introduisant les caractères dans l’ordre et le contexte qui comptent vraiment.